# 可复用区间统计

连续神经记录中的状态边界搜索（GSBS）此前每评估一个候选边界都要重建状态模板、重算相关，跨记录和参数设置的分析因此很贵。HP-GSBS把匹配目标改写为可加的时间区间贡献，并用可复用的相关统计量计算t距离，配合流式候选归约、顺序局部精修和活动块复用，提供CPU、PyTorch CUDA与Triton三条执行路径。在七组受控负载、每组两种输入实现下，同输入中位加速为154至1730倍，全部168次优化执行复现了完整参考边界历史与所选状态数，t距离最大绝对差为1.88×10⁻¹¹。

连续神经记录中的状态边界搜索（GSBS）此前每评估一个候选边界都要重建状态模板、重算相关，跨记录和参数设置的分析因此很贵。HP-GSBS把匹配目标改写为可加的时间区间贡献，并用可复用的相关统计量计算t距离，配合流式候选归约、顺序局部精修和活动块复用，提供CPU、PyTorch CUDA与Triton三条执行路径。在七组受控负载、每组两种输入实现下，同输入中位加速为154至1730倍，全部168次优化执行复现了完整参考边界历史与所选状态数，t距离最大绝对差为1.88×10⁻¹¹。