英文题目：AFA-Net: A Differential Attention Approach for Auditory Attention Detection
标签：#言语神经解码 | #注意力机制 | #脑信号 | #CNN | #言语感知
评分：7.0/10 | 创新 1.5/2 | 技术严谨 1.3/1.5 | 实验充分 1.2/1.5 | 清晰度 0.9/1 | 影响力 1/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.8/1.5
👥 作者与机构
- Philip H. Lee：机构信息未在 arXiv HTML 中可靠披露
- Shreeram Suresh Chandra：机构信息未在 arXiv HTML 中可靠披露
- Karan Thakkar：机构信息未在 arXiv HTML 中可靠披露
- John H.L. Hansen：机构信息未在 arXiv HTML 中可靠披露
📌 核心摘要
听觉注意检测（Auditory Attention Detection, AAD）以多通道脑电（Electroencephalography, EEG）为输入，输出双说话人场景下被注意说话人的二分类判决，难点在于EEG信噪比非常低且伪迹与背景活动易被传统注意力平均化。本文方法链由三步构成：共空间模式（Common Spatial Patterns, CSP）预处理先增强注意与非注意状态的类别可分性，时空补丁模块（SpatioTemporal Patch Module, STPM）再用时域与空域卷积提取局部嵌入，焦点注意模块（Focus Attention Module, FAM）最后以差分注意力捕捉全局依赖并送入分类器。与香草注意力（Vanilla Attention）被迫分配全正权重不同，差分机制用双注意力图相减实现零权重乃至负权重，从而显式抑制无关特征。在KUL数据集2s决策窗上该模型达到96.8%准确率，相对最强基线MHANet的95.9%形成显著优势并保持极低参数量。该结论目前仅限于受试者内划分的丹麦语与荷兰语双人听音任务，未验证跨被试、跨语言与实时耳机端迁移能力。原文未披露训练、推理或部署成本。
🔗 开源与复现资源
本次未形成可展示的已核验资源记录，开放状态尚未核实。
可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。
🧭 深度解读
输入是什么，目标是什么，本文要解决什么矛盾？
本文的输入是头皮脑电信号，输出是在两个人同时说话时判断听者正在注意左边还是右边说话人。目标读者是刚进入语音音乐音频领域的研究生，因此先把任务链条说清楚：双耳听到混合语音，大脑皮层活动与注意对象存在关联，模型从脑电反推注意目标。这个任务叫听觉注意检测，英文是 Auditory Attention Detection，简称 AAD。它的应用动机是鸡尾酒会效应，英文是 Cocktail Party Effect，指人在嘈杂中聚焦特定声音的能力，助听设备希望借助脑电实现更准确的注意解码。
必须保留的关键信息是噪声条件。脑电便宜且无创，但混有通道噪声、记录伪影和背景活动。论文要解决的矛盾是：已有卷积网络擅长局部模式、Transformer 擅长全局依赖、混合结构准确率不断提高，但注意力机制本身没有显式处理噪声。普通自注意力用 softmax 归一化，被迫给所有特征分配正权重，最多稀释无关细节，无法消除。论文提出听觉聚焦注意网络，英文是 Auditory Focus Attention Networks，简称 AFA-Net，用差分注意力做两张注意力图相减，允许出现零甚至负权重，从而不再被迫解释每个特征。
本解读的输出是 1 篇可核对、可复述方法的技术讲解。核对指每个关键数字、划分、预处理和统计口径都能回到原文；复述指读者能沿一个样本说出输入到表示到组件到目标到输出的完整动作。后续按学习依赖展开：先讲路线与问题，再讲全景与组件计算，再讲训练与实验条件，最后讲结果、反证与复现。本文当前没有可用的代码模型数据公开声明，因此所有复现动作只依据正文文字与官方原图像素，不引入外部实现猜测。
已有路线各解决了什么，又留下了什么缺口？
按同输入同目标来对照，已有 AAD 路线可以分成 3 类。第一类是卷积网络路线，用卷积捕捉局部时空模式，优点是参数效率和邻域归纳偏置，缺点是长程依赖建模有限。第二类是 Transformer 路线，用自注意力捕捉全局依赖，优点是时间通道上的长程关联，缺点是 softmax 的正权重约束与脑电噪声相冲突。第 3 类是混合卷积加 Transformer 路线，结合两者 strengths，在短决策窗上达到当时较好的准确率，但同样没有显式降噪机制。
论文把缺口定位在注意力权重的取值范围。普通注意力即使发现某段脑电是眼动伪影或无关背景，也只能给一个很小的正数，所有小正数加起来仍要分走权重。差分注意力的想法来自对该局限的回应：构造两个独立的注意力图，用第二个去减第一个，公共的噪声模式在相减中被抵消，真正与注意相关的模式被保留。这不是简单的注意力加权平均，而是 1 次显式的相减降噪。
需要区分的是，本文不是在比较语音分离或说话人识别，而是在相同脑电输入、相同二选一注意目标、相同离线分类运行阶段下比较解码器。类别差异不能当作同条件胜负。例如通道数不同、语言不同、空间线索不同都会改变难度，后文实验条件节会把 KUL 与 DTU 的差异交代清楚，避免把跨数据集的数值高低直接理解为方法优劣。
问题如何形式化，一次判定要做什么操作？
形式化地说，取一段固定长度的脑电窗，记为经过共空间模式处理后的矩阵，行是通道数，列是窗内时间点数。模型要输出二分类，预测注意的是左还是右说话人。评价指标是分类准确率，方向是越高越好。决策窗是核心实验变量，论文评估 0.1s、1s 和 2s 3 种长度。窗越短，延迟越低但信息越少。
窗越长，准确率通常更高但更不贴近实时切换。论文指出 1s 窗最接近人类注意切换的时间尺度，因此消融实验统一用 1s 窗。
举一个教学例子帮助理解，但不代表真实数值：假设截取 1s 脑电，先做空间滤波增强两类差异，再送入网络得到两个 logit，取大者为预测。若 10 个窗答对 9 个，则该条件准确率为 90%。这只是例子，真实准确率以结果表为准。
另一个关键形式化细节是聚合与统计。论文把试次级预测聚合成每个被试的测试准确率，再对被试做双尾配对 t 检验，与最强基线 MHANet 比较，显著性标记为星号，阈值为 p 小于 0.05。数值相同不代表指标相同，必须同时核对数据集、模型、实验阶段、指标、单位与聚合对象。百分点差值与相对百分比也不同，后文只报告原文给出的准确率与下降幅度，不自行换算相对提升。
AFA-Net 全景：一个样本走完输入到输出
沿一个样本走一遍。原始多通道脑电先按决策窗切分，再用共空间模式算法，英文是 Common Spatial Patterns，简称 CSP，做预处理以最大化注意与非注意状态的类间可分。注意原文的实验设置强调 CSP 只在训练数据上拟合，再变换训练与测试两部分，避免测试信息泄漏。得到矩阵后进入第一个模块：时空补丁模块，英文是 SpatioTemporal Patch Module，简称 STPM，用 2 维卷积抽局部特征。接着进入第二个模块：聚焦注意力模块，英文是 Focus Attention Module，简称 FAM，先加绝对位置嵌入保留时间顺序，再用差分注意力抽全局特征，最后经展平与分类层输出左或右的二值判定。
下图是论文给出的整体结构，阅读时先抓主路径再看右侧细节。
时空补丁模块 × 聚焦注意力模块： 时空补丁模块负责用 2 维卷积先在时间维再在空间维抽取局部脑电嵌入，聚焦注意力模块负责在加位置编码后用差分注意力抽取全局依赖；前者提供通道与时间邻域的结构归纳偏置，后者提供长程选择能力，搭配理由是局部去伪影后的紧凑表示更适合做全局相减降噪，组合意义是形成局部到全局的 2 级过滤流水线。
看图路径： 1. 沿左下人头到 EEG inputs 再经 CSP 进入上排模块的主箭头走一遍；2. 对比上排时间卷积输出与空间卷积输出的张量形状标注变化；3. 看下排位置编码加法符号如何汇入差分注意力编码器；4. 看右侧编码器内 Q1 Q2 K1 K2 V 如何汇入差分注意力再经残差与前馈到分类
论文图 1。原论文 Figure 1:：“Proposed architecture of AFA-Net.”。
上图左侧从人头图标指向时间横轴通道纵轴的脑电波形，经过 CSP 圆圈进入上排虚线框。下排左侧虚线框内有位置编码符号与逐元加法符号汇入紫色编码器，得到注意图后再经展平与前馈网络输出 2 维预测。右侧大虚线框展开了时间差分注意力编码器，可见底部查询键值分叉与顶部的层归一化残差前馈堆叠。官方原图未给出卷积核数与头数等超参数数值，复现时只能按文字描述搭建同类结构，不能从图块大小推定维度。代码与权重当前无可用声明，因此本节只讲可复述的计算顺序，不承诺具体开源实现。
局部如何抽：时间卷积与空间卷积各做什么？
STPM 的安排理由是脑电同时有意义明确的空间与时间结构，局部卷积能先清理邻域再交给全局注意力。操作分两步。第一步是两个时间卷积层，用核大小为 1 乘时间点数的 2 维滤波器沿时间轴捕捉短程重叠关系，每层后接高斯误差线性单元激活，英文是 GELU，用于引入非线性。输出形状保留特征维、通道维与时间维。第二步是一个空间卷积层，用核大小为通道数乘 1 的滤波器聚合跨通道信息，输出压缩为特征维乘时间维的时空特征。
符号上，记第一与第二时间卷积输出为不同嵌入，特征维记为 F，通道与时间分别对应输入的通道与窗内点数。空间卷积把通道维折叠掉，得到送入 FAM 之前的最终局部表示。论文没有报告卷积步长、填充与特征维 F 的具体取值，也没有说明是否冻结 CSP 滤波器之外的参数，因此复现时需把这些记为缺项，不从模型名称推定。
\[\displaystyle E^{T}_{1}\]上式是第一个时间卷积输出的符号占位，代码将注入原始 TeX。它只定义符号与输入输出关系，不包含可学习的核权重数值。理解时抓住动作：时间维先做 2 次局部平滑与非线性，再在空间维做 1 次跨通道加权聚合。
全局如何降噪：差分注意力算什么减什么？
FAM 的输入是 STPM 输出转置后的时间乘特征矩阵，并加上绝对位置嵌入得到新矩阵。差分注意力的核心是算两张图再相减。先用 3 个权重矩阵把输入线性投影到查询、键与值，其中查询与键的特征维被切成两半，得到 2 对查询键与完整的值。这种切半允许两张注意力图独立计算而计算量增加可忽略。随后每对各自做缩放点积加 softmax，得到第一与第二注意力图。
最后用可学习的系数减去第二张图再乘值，得到差分注意力输出。系数由两组可学习向量点积的指数差加一个 0 到 1 之间的初始化常数构成。
普通自注意力 × 差分注意力： 普通自注意力负责用 softmax 把正权重分给所有特征，优点是保留全局依赖，缺点是必须解释每个特征而只能稀释噪声；差分注意力负责并行算出两张注意力图再做带系数的相减，优点是可以得到零甚至负权重以抵消共模噪声；两者搭配的理由是保留全局建模能力的同时增加显式降噪自由度，组合意义是让模型更 deliberate 地聚焦与注意说话人相关的神经活动。
\[A_{1}=\mathrm{softmax}\left(\frac{Q_{1}K_{1}^{\top}}{\sqrt{d/2}}\right),A_{2}=\mathrm{softmax}\left(\frac{Q_{2}K_{2}^{\top}}{\sqrt{d/2}}\right).\]上式是两张注意力图的计算，分子是查询键转置，分母是缩放因子，softmax 保证每张图内部为正且和为一。单看每张图仍是普通注意力，降噪发生在下一步相减。
\[\begin{gathered}\lambda=\exp(\lambda_{q_{1}}\cdot\lambda_{k_{1}})-\exp(\lambda_{q_{2}}\cdot\lambda_{k_{2}})+\lambda_{\text{init}}\\[6.0pt] \mathrm{DiffAtt}(\hat{X})=(A_{1}-\lambda A_{2})V,\end{gathered}\]上式先定义相减系数，再定义差分注意力为第一张图减系数乘第二张图后乘值。结果权重可为负，这是与普通注意力的本质区别：公共噪声在两张图中都出现，相减后被抑制；任务相关模式只在一张图中强，相减后被保留。
\[\mathrm{MHA}(\hat{X})=\left[\mathrm{DiffAtt}_{1}(\hat{X}),\cdots,\mathrm{DiffAtt}_{H}(\hat{X})\right]W^{O},\]上式是多头拼接再投影，多个头各自独立做上述差分计算，再拼接并乘输出矩阵，以联合关注通道与时间上的不同模式。之后按普通 Transformer 的前馈子层设计，用两层线性加 ReLU 激活，并配合残差与层归一化稳定训练。论文未给出头数、缩放维度 d 与初始化常数的具体数值，也未说明梯度是否在系数处截断，因此只按原文说明更新关系，不猜梯度路径。
绝对位置编码 × 多头： 绝对位置编码负责给时空特征补上时间顺序信息，多头负责让多个差分注意力头独立学习不同的时间通道依赖模式；前者解决卷积展平后顺序丢失问题，后者解决单一注意力图覆盖模式有限问题，搭配理由是时序脑电既需要顺序也需要多样视角，组合意义是拼接投影后得到更稳健的全局表示。
教学上可以把差分注意力想象成双麦克风降噪：两个麦克风都收到人声加空调声，相减后空调声抵消。但比喻之后必须回到真实信号：这里相减的是两张数据驱动的注意力权重，不是物理声波，性质证明只能靠后文的频带消融与组件消融支持，不能把比喻当证据。
训练与分类：监督从哪来，参数如何更新？
分类层的动作是把注意力编码器输出展平为向量，经过带批量归一化与 ReLU 的隐藏层，再经线性分类器输出 2 维预测，对应左或右。监督来源是试次的真实注意方向标签，损失虽未在证据中明示，但二分类结构决定了每个窗有明确的监督目标。论文没有报告隐藏层维度与分类器维度，也没有说明批量归一化的动量与冻结策略，这些记为缺项。
\[\begin{gathered}Y=Flatten(\hat{Z})\\[6.0pt] h=\mathrm{BN}(\mathrm{ReLU}(W_{3}Y+b_{3}))\\[6.0pt] predict=W_{4}h+b_{4}.\end{gathered}\]上式依次是展平、隐藏变换与线性预测，符号与原文一致。推理时对每个滑动窗独立前向，试次级预测再聚合成被试级准确率。
残差连接 × 层归一化： 残差连接负责把注意力与前馈子层的输入直接加回输出以保留原始信息并打通梯度路径，层归一化负责对加和后的特征按层做归一化以稳定分布；前者防退化，后者防训练漂移，搭配理由是深层注意力训练需要同时保证信息与优化稳定，组合意义是得到论文中所说的稳定训练后的最终输出。
训练配置按原文交代：优化器为 AdamW，批量大小为 32，最多 100 轮，若验证集 10 轮无提升则早停。划分上先把每个试次按时间切分，前 90% 用于训练，后 10% 用于测试；CSP 只在训练数据上拟合；再对训练与测试部分分别做 50% 重叠的滑动窗；训练特征进一步按 90% 与 10% 分为训练与验证集。
基线复现策略是使用各自公开代码库并遵循原始预处理与训练协议，对采用 CSP 特征的方法采用修正后的设置。原文未报告学习率调度、随机种子、硬件与训练时长，因此训练成本只能从批量与轮数上限做定性讨论，不能给出精确耗时。
在什么数据与条件下测，与谁比才公平？
测什么：以分类准确率为主要指标，在 0.1s、1s、2s 3 种决策窗下评估。与谁比：与 SSF-CNN、STANet、DenseNet-3D、DBPNet、DARNet、MHANet 等已有模型比较，并包含把差分注意力换成普通注意力的同结构对照。条件是否一致：论文强调为公平比较，对 2 数据集采用相近预处理，对基线用各自公开代码重训，对 CSP 方法采用修正划分以避免泄漏。指标方向是准确率越高越好，显著性用被试级双尾配对 t 检验相对最强基线 MHANet 判定。
数据细节按原文交代。KUL 有 16 名听力正常被试，64 通道系统，听荷兰语故事，双耳呈现与头相关传输函数模拟左右 90 度空间条件。DTU 有 18 名听力正常被试，64 通道系统，听丹麦语有声书，目标在 60 度方位角对抗竞争说话人。预处理上 KUL 重参考到平均乳突、带通 0.1 到 50 Hz、下采样到 128 Hz；DTU 去除工频与谐波、用联合去相关去眼电、下采样到 128 Hz。
共空间模式 × 决策窗： 决策窗负责把连续脑电切成固定长度的时间段作为 1 次判定的输入，共空间模式负责在该窗内学习空间滤波以最大化注意与非注意两类的可分性；前者定义时间尺度与样本量，后者定义空间投影与类别对比，搭配理由是短窗样本需要先增强类别差异再进入深度网络，组合意义是把实验可比的预处理与模型输入表示统一起来。
下表把数据集规模与训练预算等可核对条件整理成宽表，数字与单位均来自原文连续句，不做四舍五入与单位拆分。
| 数据集 | 被试与通道 | 训练批量与轮数 | 早停条件 | 对比口径 |
|---|---|---|---|---|
| KUL | 16 名被试，64 通道 | 批量 32，最多 100 轮 | 10 轮无提升停 | 重训基线并修正 CSP 划分 |
| DTU | 18 名被试，64 通道 | 批量 32，最多 100 轮 | 10 轮无提升停 | 与最强基线做被试级配对检验 |
表前已提出比较问题：是否在相同窗长与相同划分下比较准确率。表后需要解释代价与边界：该表只解决可比性，不解决难度可比性。KUL 与 DTU 语言、空间角度、试次长度均不同，跨数据集的绝对值不能直接排名；同一数据集内的相对顺序才有意义。原文未报告推理延迟与硬件预算，因此部署成本仍是缺项。
主结果：强在哪里，哪里没有拉开差距？
比较问题是：在 3 个窗长下，差分注意力相对普通注意力与最强基线是否有更高准确率，参数代价如何。公平条件是修正后的 CSP 划分与重训基线，指标方向是准确率越高越好，显著性相对 MHANet 标记。
下表用原文连续句可覆盖的数字整理核心结论，保持原文写法与精度，不逐格追加单位或重算差值。
| 数据集与窗口 | 指标 | 本方法版本 | 准确率 | 参数量 |
|---|---|---|---|---|
| KUL 2s 窗 | 准确率 | 差分注意力 AFA-Net | 96.8% | 0.03M |
| 同结构对照 | 准确率 | 普通注意力对照 | 低于差分版本 | 0.03M |
表后解释主要收益与具体代价。论文报告差分版本在 KUL 2s 窗达到 96.8%，仅用 0.03M 参数，少于多数基线，与 DARNet 的 0.08M 和 MHANet 的 0.02M 量级相当；差分注意力相对普通注意力的参数增加可忽略但准确率更高。反例必须同时说明：该优势并非每格都显著，原文明确在 DTU 1s 窗上相对最强基线没有显著差异，其余窗口显著。未胜出项方面，同结构普通注意力对照在所有报告窗口上低于差分版本，说明增益来自机制而非单纯加参数。限制是原文表头与矩阵存在 TeX 双写等显示问题，本文不猜被省略的单元格，所有跨模型逐点排名以原文连续句与可读矩阵为准，不把总体趋势推广到每名被试每窗都成立。
反证：拿掉关键频带与关键模块会发生什么？
消融按 1s 窗组织，因为该窗最接近人类注意切换。第一个问题是增益是否来自更好地利用 1 到 10 Hz 的信息频段。操作是只在测试集上分别移除 delta、theta、alpha、beta、gamma 5 个频带，得到 5 个测试变体，与不移除的完整测试对比。第二个问题是模块贡献，操作是把差分注意力换成普通注意力，以及去掉 STPM，比较平均准确率与显著性。
先看频带消融的像素导读，蓝色为差分，橙色为普通，横轴为移除的频带，纵轴为准确率。
看图路径： 1. 先看图例确认蓝色为差分注意力橙色为普通注意力；2. 对比上下两排 KUL 与 DTU 在 None 基线处的箱体高度与中线；3. 观察移除 Delta 与 Theta 后蓝色箱体下降是否大于移除 Alpha Beta Gamma
论文图 2。原论文 Figure 2:：“Ablation study comparing frequency band removal for differential vs. vanilla attention at the 1s decision window.”。
上图分为上下两排，上面为 KUL，下面为 DTU，每排从左到右为完整与 5 个移除条件。可见差分注意力的箱体在移除 delta 与 theta 后下降更陡，而普通注意力的较大下降更分散到 alpha、beta、gamma 等信息量较小的频带。论文用此支持差分注意力更优先利用信息频段的解释，但这仍是有限解释而非因果证明，因为移除频带改变了输入分布，不能排除其他混杂。
再看组件消融的像素导读，横轴为数据集，纵轴为准确率，颜色区分普通注意力、去 STPM 与完整模型。
看图路径： 1. 确认横轴 DTU 与 KUL 两组纵轴 Accuracy 从 0.50 到 1.00；2. 对比每组内红色普通注意力浅蓝去 STPM 深蓝完整模型的箱体中线；3. 查看标注星号的括号连接的是哪两根柱子以确认显著性
论文图 3。原论文 Figure 3:：“Ablation study to compare performance without differential attention and STPM for 1s decision window.”。
上图左右分别为 DTU 与 KUL，每组内完整模型箱体中线最高，星号括号标示了与两个变体的显著差异。可见两个变体都显著低于完整模型，其中换成普通注意力的下降最大。
下表把原文报告的下降幅度整理成宽表，保留原文的约数与范围写法。
| 消融操作 | 评价窗口 | KUL 下降幅度 | DTU 下降幅度 | 证据性质 |
|---|---|---|---|---|
| 移除 delta 与 theta 后差分版本下降 | 1s 窗测试集 | 20–21% | 13–19% | 支持优先利用信息频段 |
| 移除 alpha beta gamma 后普通版本大降 | 1s 窗测试集 | 17–22% | 7–21% | 下降更分散 |
| 差分换普通平均准确率下降 | 1s 窗 | 12.2% | 7% | 组件贡献最大 |
表后总结：两类消融都支持差分注意力是主要贡献者，STPM 也有贡献。但未评测边界同样重要：频带移除只在测试集做，训练分布未变；STPM 移除的具体接线未详述；像素无法精确读出每箱的中位数数值，因此本文不硬写箱线图坐标，只转述原文的幅度区间与显著性结论。
哪些结论还不能下，缺了哪些验证？
首先区分 3 类表述。直接报告的是准确率数值、参数量与显著性标记；有限解释的是差分注意力通过相减抑制共模噪声并聚焦信息频段；未验证推测是将其直接等同于实时助听增益或因果降噪机制。相关性不是因果，频带移除实验显示了依赖模式差异，但没有测量误判率分布、延迟或能耗，因此不能承诺这些量得到改善。
其次是适用条件。结果基于离线切窗分类与被试内划分，前 90% 训练后 10% 测试的时序切分更接近同被试泛化，不能直接推广到跨被试或跨设备。KUL 与 DTU 的语言、空间角度与试次结构不同，跨数据集比较只能定性讨论难度差异。训练资源、推理开销、输出帧率与实际延迟在原文中未分别报告，0.03M 参数只能说明模型轻量，不能等同于低延迟。
最后是证据冲突与缺项。原文表格存在 TeX 双写与表头解析问题，本文因此只用连续原句做数字表，避免猜表头与补单位。缺项清单包括卷积特征维、头数、缩放维度、初始化常数、学习率调度、种子、硬件、隐藏层维度与损失函数。这些缺失不是技术错误，但意味着独立复现时必须先固定这些选择并报告敏感性，不能从模型名称推定实现。
复现先做什么，需要保留哪些信息条件？
复现的第一步是重建数据管线。按原文对 KUL 做平均乳突重参考、0.1 到 50 Hz 带通、下采样到 128 Hz；对 DTU 去除工频谐波、用联合去相关去眼电、下采样到 128 Hz。然后按试次时序切分，前 90% 训练后 10% 测试，CSP 只在训练数据上拟合再变换两部分，之后分别做 50% 重叠滑动窗，训练部分再分出 10% 做验证。这个顺序不能打乱，否则会引入泄漏或改变样本量。
第二步是搭建模型。先实现两层时间 2 维卷积加 GELU 与一层空间 2 维卷积加 GELU，再加绝对位置嵌入，然后实现查询键切半、两张 softmax 注意力、带可学习系数的相减、多头拼接投影、残差层归一化与前馈网络，最后展平加批量归一化隐藏层与线性分类器。超参数缺项先用小网格记录并固定种子，优化器选 AdamW，批量 32，最多 100 轮，10 轮无提升早停。
第三步是评价。把试次级预测聚合成被试级准确率，在 0.1s、1s、2s 下分别报告均值与标准差，并对被试做双尾配对 t 检验相对最强基线。频带消融只改测试集，组件消融分别替换注意力与去掉 STPM。关于可用性，当前无来源绑定且完成验证的资源，不得声称代码模型或数据已公开；应理解为本次未能确认可达，需自行实现与申请数据。
何时值得尝试，一句话如何带走？
当你的脑电解码任务同时满足 3 个条件时值得尝试类似思路：输入噪声重且呈共模分布、已有全局注意力但无法给出负权重、局部时空结构明确可用卷积先压缩。此时先保留局部卷积做邻域清理，再用两图相减的差分注意力做全局选择，往往比单纯加头数或加维度更对症。反之，若噪声主要来自标签错误或试次间非平稳，相减注意力不能解决数据划分问题，应先修管线。
带走的一句话是：AFA-Net 用可忽略的参数增量换来对信息频段的更集中利用与跨窗口的竞争准确率，但显著性存在窗口例外，且轻量参数不等于已验证的低延迟。后续还需补跨被试验证、延迟与功耗测量、以及超参数敏感性报告，才能从离线准确率走向可部署的注意助听收益。
📎 论文与评分元数据
排名：前50% | 文档类型：方法研究 | arXiv 原文
⚖️ 评分明细
评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。
评分规则：type-aware-v1
评分模型：muse-spark-1.3-contributor
评分请求协议：openai_responses