Q 监督对比表征：面向安全离线强化学习的状态解耦框架

基于摘要分析。本文研究安全离线强化学习中的分布外泛化问题，提出 State Decoupling with Q-supervised Contrastive representation（SDQC），将全局观测解耦为奖励相关与成本相关表征，用于决策并改善对陌生全局观测的泛化。研究对象是无需高风险在线环境交互的策略学习，而非 EEG 表征学习或 BCI 解码。 核心机制：作者将测试阶段的分布外风险归因于奖励相关状态与成本相关状态存在大量可能组合，尝试通过分别表征两类因素，减少策略对完整观测组合的依赖。摘要将该方法与通常依赖模型估计的经典表征学习方法（如 bisimulation）对照；作者报告理论上可通过 Q 监督获得更粗粒度的表征，同时保留最优策略。具体对比学习目标、Q 值获取方式、解耦约束及理论假设尚未验证，不能据此认定其在任意分布偏移下都能保证安全。 结果：在 DSRL benchmark 的实验中，作者报告 SDQC 优于其他基线，并在超过一半的任务上实现近乎零违规；摘要所称的 state-of-the-art 算法仅在四分之一的任务上达到这一水平。该比较限定于文中 DSRL 实验，具体任务集合、基线名称、违规定义、成本阈值及统计不确定性尚未验证。作者还报告在未见环境中具有更好的泛化能力，但摘要未提供环境构造方式及量化结果。 复现与适用边界：需从全文核对离线数据覆盖、奖励与成本监督、训练和测试环境划分，以及安全性和回报的权衡；实验协议、消融及统计信息尚未验证。材料未提供直接的 EEG/BCI 验证或具体对应机制，不应将原领域结果视为 BCI 有效性的证据；已有 EEG 相关工作尚未检索确认。