研究人员开发了MoDAl，一个旨在通过发现和整合互补性神经数据模态来改进语音神经假体系统的新框架。这种自监督方法使用与大型语言模型（LLM）的对比对齐和去相关性损失来防止冗余表示。通过整合来自之前被忽略的脑区（如布罗卡区）的信号，MoDAl将Brain-to-Text Benchmark '24的词错误率从26.3%显著降低到21.6%，证明了其在恢复交流方面的有效性。 AI
影响 通过整合LLM对齐的神经数据来提高语音神经假体的准确性，可能改善交流恢复。
排序理由 介绍新方法并附有基准测试结果的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
