一秒窗口作为行为指纹
论文要回答的是：极短的运动片段，而非成功率这类任务层面得分，是否包含足够信息来识别个体动物并追踪其学习。作者的假设是，与身份和学习相关的行为特征在相邻时间区间内保持相对稳定，因此时间上接近的两个时刻应当具有相似的表示。
这一假设决定了方法的监督信号：TRAIL 不标注行为状态，也不手工设计运动学特征，而是把时间邻近性当作学习信号。它把一段轨迹与邻近轨迹在紧凑表示中拉近，再用得到的向量去预测彼此独立的目标。这些目标是身份、记录日、熟练度、成功率和奖励，它们是不同的量，全文分别报告。
时间邻近性取代手工特征
TRAIL 直接从运动轨迹学习。编码器把一段短的身体关键点历史映射为紧凑表示，对比训练让时间上相邻的窗口在表示中更相似。整个过程不需要人工定义行为状态或运动学特征，这是论文相对特征工程方法的主要方法学差异。
默认表示是 16 维，论文报告 8 维版本在身份、记录日和熟练度上也表现良好。消融实验显示，加入重建损失把身份准确率从 81.1% 提高到 84.0%，把记录日误差从 1.32 降到 1.26，熟练度误差从 .017 降到 .016；多频率建模只带来有限的进一步提升。把正样本邻域从记录分区的 100% 收窄到 10% 后，六只动物的记录日误差都从 1.465 降到 1.258，熟练度误差从 .0211 降到 .0156。
身份比学习进展更容易解码
在交替奖励队列上，完整模型在 105,882 个测试窗口上达到 84.0% 的身份准确率，记录日误差为 1.2579，熟练度误差为 .0156。逐只动物的身份准确率从 Rat A 的 72.70% 到 Rat B 的 95.92%，说明汇总数字掩盖了动物之间的明显差异。
学习相关读数是回归误差，不是准确率，不能当作与身份同类的得分来读。在留出日测试中，第 1–3 天训练编码器和探针、第 4 天选择正则化，TRAIL 在 139,875 个第 5 天窗口上达到 74.87% 的身份准确率；使用局部坐标和迷宫上下文的 BAMS 为 38.89%，运动学特征为 25.90%，随机水平为 16.67%。同一留出日上，TRAIL 的奖励计数误差为 0.948，BAMS 为 1.608，六只动物中有五只改善。
局部姿态与全局运动携带不同信号
论文把同一段运动拆成两个视角。局部姿态把身体关键点固定在原点、把身体–颈部线段竖直对齐，从而去掉全局平移和旋转，只保留相对身体构型。全局轨迹只保留身体位置和身体–颈部朝向随时间的变化。
单独使用局部姿态时身份准确率为 77.1%，单独使用全局轨迹时为 72.1%，完整运动表示为 84.0%。在学习相关变化上顺序相反：全局轨迹的记录日误差为 1.4733、熟练度误差为 .0172，优于局部姿态的 1.6047 和 .0189。因此作者把自我中心姿态动态描述为更能预测身份，把异我中心运动描述为更能预测学习相关变化，而完整表示结合了两者。
决策岔口与转向动作集中信号
在交替奖励队列中，信号在迷宫内并不均匀。在三臂交汇的岔口，身份准确率为 88.7%，熟练度误差为 .0135；在臂段上则分别为 81.7% 和 .0211。岔口只有 326 个计分窗口，因此其区间比拥有 2,377 个窗口的臂端点组更宽。
运动模式呈现类似的集中。转向窗口在 151 个窗口上给出 98.0% 的身份准确率和 .0083 的熟练度误差，而扫描在 1,080 个窗口上为 76.6% 和 .0195。概率奖励队列重复了这一模式：转向给出 96.63% 的身份准确率，以及各运动模式中最低的记录日、熟练度和成功率误差，而奖励误差在直行时最低。这些是同一批已拟合探针给出的子组估计，不是独立重复实验。
增益在会话、日期和新动物间延续
这些比较不限于单一数据划分。在留出会话上，TRAIL 把记录日误差降到 1.765（BAMS 为 1.932），熟练度误差降到 .02032（BAMS 为 .02460），奖励误差降到 0.760（BAMS 为 1.179），六只动物中分别有五只、五只和六只改善。在留出日上，TRAIL 的身份准确率为 74.87%，BAMS 为 38.89%。
迁移测试先在十只动物上训练编码器并冻结，再在四只不同动物上评估，每只新动物提供自己的按时间划分的校准数据。TRAIL 在四只动物的每个目标上都比运动学特征误差更低：记录日 1.621 对 1.861，熟练度 .00944 对 .01112，奖励 0.860 对 1.025，成功率 0.05 对 0.07。论文还报告了 MABe22 小鼠三只同笼数据上的片段内身份比较，TRAIL 达到 73.65%，BAMS 为 63.08%，提高 10.56 个百分点。
条件生成让差异可被直接观察
除预测之外，作者还在六只交替任务动物的 3 秒鼻、颈、身体坐标轨迹上训练了一个以表示为条件的扩散模型，并冻结运动编码器。固定扩散潜变量、改变条件表示后，生成的轨迹保留整体运动结构，同时在停顿、加速和伸展上发生变化。
这些生成轨迹是定性示例，不是实测结果。论文把它们作为让与所学表示相关的行为差异可被直接观察、并为后续实验验证提出假设的手段。它们并不能证明这些运动变化导致了身份或学习差异。
预测工具而非学习的因果解释
证据支持在所研究情境中从短运动窗口进行预测：交替奖励和概率奖励规则下 Y 迷宫中的自由活动大鼠，以及小鼠基准数据。论文没有证明运动模式导致学习进展，读数是熟练度、成功率、奖励计数这类行为代理指标，而不是对认知过程的直接测量。
最影响判断的区分在于每种视角和位置各自带来什么。如果目标是识别个体，局部姿态以及岔口或转向窗口携带最强信号；如果目标是追踪学习相关变化，全局运动携带更多信息，而完整表示优于任一单独视角。论文自己的定位是：短期运动是一种有信息量的行为指纹和产生假设的工具，这比关于学习如何展开的一般理论要窄。
本文引用的文献
Representing short-term movement to reveal animal identity and learning progress
TRAIL 是一个以时间邻近性为监督的自监督框架，它从短时大鼠运动轨迹中学习紧凑表示，在身份和学习相关读数上优于所比较的基线，短至一秒的轨迹已携带有效信号。