本文在完全非参数设定下，为从通用模型学习任务相关的专家表示建立了可识别性理论基础。首先证明，即使序列缺乏严格时间依赖且任务分配结构任意复杂，时间步与任务间的结构仍可在无监督下被识别。其次证明，在单个时间步内，仅需简单的稀疏性正则化即可将任务相关潜在表示与无关部分解耦，无需额外约束。这两项结果共同构成了层次化的可识别性保证：任务结构在时间步间可识别，任务相关表示在步内可识别。这是首个通用的非参数可识别性理论，为从通用模型向可证明的专家模型转变提供了依据。