本研究提出 顺序情境适配 (SCF)，一种基于嵌入的度量，用于评估当前信息状态与其最近上下文的匹配程度。SCF 通过一个简单的递近加权相似度核计算，即对过去若干时间步的嵌入向量按时间衰减权重求相似度，总体公式为 $$\text{SCF}_t = \sum_{\tau=1}^{T}\alpha_{\tau}\,\text{sim}(\mathbf{x}_t, \mathbf{x}_{t-\tau})$@@@MATH_BLOCK1@@@\alpha{\tau}=\exp(-\lambda\tau)$，$\text{sim}$ 为余弦相似度。
SCF 可直接作用于词汇、声音、视觉场景、情感状态、选择、动作以及神经表征等多模态数据，无需针对特定任务进行额外调参。作者在六个实验中检验其预测能力：语言处理、音乐诱发情感、部分视听情感 EEG、赌博决策、人类活动识别以及决策相关 EEG。结果显示，较低的情境适配 与 更长的处理时间、较大的情感或行为转变、以及更强的神经状态变化 相关。
为了排除已有预测因子的干扰，研究在每个实验中都控制了惊讶度、强化学习预测误差、声学变化、视觉变化和传感器变化等传统指标。即使在这些因素被纳入模型后，SCF 仍然显著解释了剩余的行为和神经变异。
因此，SCF 提供了一层通用的计算测量，可将情境兼容性 与行为处理时长、认知/神经状态转变 直接关联，为跨领域的认知神经科学研究提供了统一的分析框架。
点评