计算机科学 > 计算与语言
[提交于 2024年12月23日
]
标题: 脑到文本基准测试 '24:经验总结
标题: Brain-to-Text Benchmark '24: Lessons Learned
摘要: 语音脑机接口旨在仅从神经活动解码一个人试图说什么,恢复因瘫痪而失去清晰说话能力的人的沟通能力。 Brain-to-Text 基准 '24 及相关竞赛的创建是为了促进将神经活动转换为文本的解码算法的进步。 在此,我们总结了截至 2024 年 6 月 1 日结束的竞赛所学到的经验(前四名参赛者也在录制的网络研讨会上分享了他们的经验)。 通过集成方法实现了最大的准确率提升,其中使用微调的大语言模型合并多个独立解码器的输出(所有前三名参赛者都采用了这种方法)。 通过改进基线循环神经网络(RNN)模型的训练方式也获得了性能提升,包括优化学习率调度和使用双音素训练目标。 然而,改进模型架构本身更为困难,尝试使用深度状态空间模型或变压器尚未显示出优于 RNN 基线的优势。 该基准将持续开放,以支持进一步提高脑到文本算法的准确性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.