核心结论
SUMMARY论文提出以源批次锚定的类原型 + 跨历史无标签批次的逐步自训练来补偿 MOX 传感器阵列的长期漂移， 物理动机清晰（漂移作用于读出环节而非气体化学本身），主协议时间因果性设计严谨， 补充材料的可复现性细节明显高于同类论文平均水平。
最有说服力的证据不是 1.44 个点的总体平均提升，而是在仅使用历史批次的约束下， 远端批次 B8–B10 平均 74.96% vs SAD-CNN 67.60%（+7.4 点）的差距， 以及同一流水线内受控消融所揭示的机理一致性（方向旋转测量 + 类别级混淆模式）。 当前的软肋集中在：缺乏多随机种子的统计报告、单一准确率指标掩盖类别失效、 次要协议存在目标数据泄露、以及若干超出证据强度的物理与"免维护"表述。
关键结果速览
KEY RESULTSSetting 1 各方法总体平均准确率（B1 → Bk，UCI 36 个月漂移）
远端批次 B8–B10 逐批次对比：SAPA vs 最强基线 SAD-CNN
受控消融（Setting 1，同一前端 / 教师 / 优化器，仅改一个部件）
| 配置 | 平均准确率 | 相对完整模型 |
|---|---|---|
| 完整模型（SAPA） | 79.45 | — |
| 对抗对齐替换原型投影 | 76.86 | −2.6 |
| 浓度坐标打乱（容量匹配控制） | 76.32 | −3.1 |
| 去掉增益不变指纹 | 76.23 | −3.2 |
| 关闭 SAM（普通 Adam） | 76.04 | −3.4 |
| 单步自对齐（去掉逐步链） | 72.63 | −6.8 |
| 线性 softmax 头替换原型匹配 | 70.83 | −8.6 |
| 几何视图全部替换为原始副本 | 63.34 | −16.1 |
| 冻结编码器（无适应基线） | 59.15 | −20.3 |
主要问题（按优先级）
MAJOR CONCERNS核心结果缺少不确定性估计致命
证据：SAPA 仅领先 SAD-CNN 1.44 点（总体平均），领先受控对抗替换仅 2.6 点。 模型包含随机初始化、伪标签与 SAM，全文只报告单次点估计，无任何种子重复、标准差或置信区间。
单一准确率指标掩盖类别级失效致命
证据：类别与批次极不平衡 —— B1 中乙烯仅 30 个样本，B3–B5 完全没有甲苯， 而 B10 是 3,600 个均衡样本。样本级准确率会掩盖整类失效：论文自己承认两种配置下乙烯几乎全部被误判为乙醇， g4 教师准确率全阶段接近 0%。
Table 1 混合了不可比的目标数据协议重大
证据：同一张表并列纯源方法、使用当前目标批次的半监督方法与 SAPA 的历史批次协议， 且 JDA/BDA/DRCA/LDSP/SAD-CNN 等数值直接引自原文献而非同一流水线复现。 "在比较方法中平均最高"的表述容易引发不公平比较质疑。
次要协议（相邻批次 / Twin Gas）存在目标泄露重大
证据：论文明确披露这两个设置的部分超参数是参照聚合目标准确率选择的（§4.1 与 S10.1）。 这构成测试集泄露，相关数字无法支撑无偏比较结论 —— 包括摘要中的 Twin Gas 96.67%。
"免重标定"表述夸大了运维收益重大
证据：方法确实省去新标签，但仍需存储无标签历史、假设窗口含目标气体暴露、 并且每观测一个新批次就要离线重训一次前缀模型（结论节已承认）。 "部署仅需一次前向传播"对当前批次成立，却掩盖了面向下一批次的周期性再训练成本。
物理模型的因果表述超出可证范围重大
证据："老化作用于读出环节而非气体化学"难以捍卫 —— 催化中毒与薄膜老化本身改变表面反应路径与选择性。 把这些全部归入残差项 Δy,t，使式 (1) 成为有用的现象学分解，但并不能证明 αy+βyl 是物理不变量。
可分离性诊断 ≠ 不变量可迁移性重大
证据：最低匹配浓度 AUC ≥ 0.78 的计算使用目标批次内、用目标标签估计的判别方向（S2）。 它证明目标数据中存在判别信息，但不证明从 B1 学到的源不变量能够恢复该信息。
历史链的鲁棒性未经压力测试重大
证据：算法依赖批次边界、历史批次的类别覆盖、0.8 置信阈值与保留历史长度， 但 g4 伪标签准确率全链接近 0%，"有效窗口必须包含目标气体暴露"只是假设而未验证敏感性。
呈现与可复现性问题
PRESENTATION正文所有图片占位符为空次要 · 但影响评阅
manuscript-mini-revised.docx 中仅有 "Insert Fig. 1 here" 至 "Insert Fig. 6 here" 的文字占位， 文档内未嵌入任何图像（Fig. 1 机理示意、Fig. 3 结果汇总、Fig. 4 方向旋转、Fig. 5 混淆对比、Fig. 6 潜空间可视化均不可见）， 补充材料仅含 Fig. S1/S2 两张。评审无法核对视觉证据。
可复现性资产不完整次要
Data availability 仅指向公开数据集；无代码可用性声明、环境/依赖版本、确切随机种子、源集划分定义， 以及生成各表各图的脚本。S3 的配置细节很好，但没有代码，"完整可复现"不成立。
文字与格式缺陷次要
① 第二作者单位混入了指向 Google Books 的超链接（编辑事故）；
② 补充材料存在残句与乱码："Relative to the softmax-only configuration" 后句子中断（S11）、
"At B9angles" 缺空格（S12.1）、"When selectivity αysource batch is acquired…" 整句损坏（S12.4）；
③ 引言对分布对齐局限的论述重复多遍，压缩后新颖性会更清晰；
④ 参考文献 [24] 标题原文 "feature leaning" 疑为 "learning"（需核对该刊勘误）。
修订路线图
REVISION PLAN统计可信度（约 1–2 天 GPU）
- SAPA + 全部自实现消融 × 5 种子，报告均值 ± 标准差
- 批次分层配对 bootstrap，给出差值的 95% CI 与显著性
- 每批次补充宏 F1 / 平衡准确率与逐类召回
比较公平性与泄露修复
- 同流水线 6 臂受控对比取代跨协议排名声明
- Twin Gas / 相邻批次改用源侧验证重跑，或降级为探索性结果并从摘要撤下 96.67%
- B1 判别子迁移到全部远端批次的逐气体对 AUC 矩阵
鲁棒性与表述校准
- 历史链敏感性：阈值 / 窗口长度 / 缺类 / 边界错位
- "免重标定"改为"免带标签重标定"，区分四类运维成本
- 式 (1) 降级为工作近似，补全部主图、代码可用性与全文校对