Meta改进了Brain2QWERTY,这是一个通过非侵入式技术MEG和EEG解码大脑活动以实现打字输入的系统
摘要
Meta改进了Brain2QWERTY,这是一个使用MEG和EEG的非侵入式系统,可将大脑活动解码为文本,实现打字
暂无内容
相似文章
从脑电波到文字:Brain2Qwerty 为无需手术的通信开辟新路径
Brain2Qwerty 是一种非侵入式脑机接口,能将脑电波解码为文字,实现无需手术的通信。
利用人类阅读时产生的认知信号增强微博关键词提取
本文研究了脑电图信号能否补充眼动追踪信号用于微博的自动关键词提取。使用ZuCo语料库,作者表明认知信号,特别是脑电图信号,在不同模型上均能提升自动关键词提取的性能。
Brain-CLIPLM:基于脑电压缩语义表征的语言重建解码
研究人员提出Brain-CLIPLM,一个两阶段脑电到文本解码框架,利用对比学习提取语义锚点,并结合基于检索的大语言模型(LLM)及思维链(CoT)推理进行句子重建。该方法在测试中达到67.55%的Top-5句子检索准确率和85.00%的Top-25准确率,显著优于直接解码基线模型,跨被试评估证实了其良好的泛化能力。研究结果表明,脑电到文本解码应聚焦于恢复压缩后的语义内容,而非完整句子重建。
Meta采集员工鼠标与键盘动作,用于AI训练数据
Meta正在美国员工的PC上部署内部追踪软件,记录鼠标/键盘操作并偶尔截取屏幕快照,以改进可自动化办公任务的AI代理。
Metis:桥接文本与代码记忆以实现自我进化智能体
Metis 开展了一项对比文本记忆与代码记忆的受控研究,发现两者具有互补的权衡特性。它提出了一种分层双表示记忆系统,在 AppWorld 基准测试中,任务准确率最高提升 20.6%,执行成本最高降低 22.8%。