知识中等
FAST 如何将连续动作序列转换为离散动作 token？与逐维分桶等朴素离散化相比，DCT 与 BPE 分别带来什么变化？
FAST 对动作序列沿时间维做 DCT，把能量集中到少数低频系数；量化后用 BPE 把常共现的系数量化为单 token，序列比逐维分桶短一个量级。
标准答案
FAST 把动作 chunk（时间动作维度矩阵）当作时间序列处理：先对每维动作沿时间做离散余弦变换（DCT），利用相邻动作步的相关性把能量集中到少量低频系数；系数量化后大部分接近零，再用 BPE 在训练集上学习合并规则，把经常共同出现的量化系数合并为单个 token。结果是动作序列长度比朴素方法缩短约一个数量级，训练信号更集中。
深入理解
对比逐维分桶：分桶忽略时间相关性，token 序列长且冗余，对动作噪声敏感，词表也随维度数增长；DCT 压缩的是时间相关性，BPE 压缩的是系数共现，两者正交叠加。追问可能在 DCT 截断带来的信息损失（衔接下一题）以及词表规模与重构误差的权衡。