aphasia
PulseAugur coverage of aphasia — every cluster mentioning aphasia across labs, papers, and developer communities, ranked by signal.
-
大型语言模型在识别失语症评估的话语单元方面显示出潜力
一篇新的研究论文探讨了使用指令微调的大型语言模型（LLMs）对失语症话语中的正确信息单元（CIUs）进行分类。研究发现，虽然零样本提示不足，但少样本提示显著提高了 Llama 3.1:8b、qwen2.5:7b 和 mistral:7b 等模型的性能，取得了与人类标注者相当的结果。然而，大型语言模型显示出高召回率但较低的精确率，表明它们倾向于过度分类代币为 CIUs，并且性能随失语症的严重程度而变化。
-
研究发现：ASR审计缺陷掩盖了对失语症患者的伤害
一篇新发表在arXiv上的研究论文指出了当前自动语音识别（ASR）系统审计实践中的关键缺陷。研究强调，标准方法可能掩盖性能差异，特别是对于患有失语症等言语障碍的个体。作者提出了一个更全面的审计框架，以解决文本标准化不足、子群体分析不充分以及过度依赖单一指标等问题，并倡导以社区驱动的方法来确保ASR性能的公平性。
-
AI研究人员模拟人类失语症以绘制语言模型功能图谱
研究人员开发了一种新颖的方法，通过模拟失语症（人类因脑损伤引起的语言障碍）来理解语言模型的内部工作原理。通过选择性地禁用模型的某些部分并观察由此产生的语言缺陷，他们确定了模型不同组件（如注意力层和前馈层）的独特功能作用。虽然一些模拟的失语症与人类病症相似，但显著的质的差异表明，语言模型中特定的学习和处理机制与人脑相比，会产生独特的组织模式。
-
新研究探讨语法如何减少跨语言的意义不确定性
一篇新研究论文探讨了语法如何在不同语言中减少意义的不确定性。研究发现，与孤立的词频相比，受语法影响的语境意外性显著降低了不确定性。这种语法的意义压缩在大脑理解和产生语言的活动中有所体现，其功能紊乱与失语症、痴呆症和精神分裂症等疾病中的语言障碍有关。