@rohanpaul_ai: Meta开源了一种无需手术即可达到78%词汇准确率的脑机文本系统。Brain2Qwerty v2将非侵入…

X AI KOLs Timeline 模型

摘要

Meta开源了Brain2Qwerty v2,这是一种使用MEG信号和深度学习技术的非侵入性脑机文本系统,词汇准确率高达78%。

Meta开源了一种无需手术即可达到78%词汇准确率的脑机文本系统。 Brain2Qwerty v2将非侵入性脑记录转换为文本,平均词汇准确率为61%,最佳参与者达到78%。 该系统通过头盔读取MEG信号,而非植入脑组织内的电极。9名志愿者每人输入了约22000个句子,研究人员记录了每人10小时的神经活动。 Brain2Qwerty v1主要将脑信号映射到单个键入字符。而v2版本同时尝试恢复字符、单词和完整句子含义。系统研究这些脑信号,并尝试将其转换为用户想要输入的单词。 - 所有参与者的平均词汇准确率为61% - 最佳参与者的词汇准确率达到78% - 超过50%的句子解码后错误不超过1个单词 随着数据累积,性能不断提升 原始脑信号非常混乱,因为许多心理和生理过程同时触发。深度学习通过直接从原始记录中学习模式来处理这种混乱。 然后,经过微调的LLM利用语言上下文修复可能的单词和句子错误。这解释了为什么该系统优于早期非侵入性方法(据报道词汇准确率仅为8%)。 最强参与者超过一半的句子错误不超过1个单词。随着训练数据增加,准确率也在提升,这表明更多的记录可能进一步缩小差距。
查看原文
查看缓存全文

缓存时间: 2026/06/30 23:48

Meta 开源了一个脑-文本系统,无需手术即可达到 78% 的词汇准确率。

Brain2Qwerty v2 将非侵入性脑记录转化为文本,平均词汇准确率为 61%,最强参与者达到 78%。

该系统通过头盔读取脑磁图(MEG)信号,而非植入脑组织的电极。9 名志愿者共输入了约 22,000 个句子,研究人员记录了每人 10 小时的神经活动。

Brain2Qwerty v1 主要将脑信号映射到单个输入字符。新版本则试图同时恢复字符、单词和完整句子的语义。该系统研究这些脑信号,并尝试将其转化为你想要输入的文字。

  • 全体参与者平均词汇准确率:61%
  • 最佳参与者词汇准确率:78%
  • 超过 50% 的句子解码后错误单词不超过 1 个

性能随数据积累而提升

原始脑信号非常混乱,因为许多心理和生理过程会同时激活。深度学习通过直接从原始记录中学习模式来处理这种混乱。

随后,微调的大语言模型(LLM)利用语言上下文修复可能的单词和句子错误。这解释了为什么该系统超越了早前非侵入性方法(仅报告 8% 的词汇准确率)。

最佳参与者超过一半的句子错误单词不超过 1 个。随着训练数据增加,准确率也在提高,这表明更多记录可能会进一步缩小差距。

相似文章

Brain-CLIPLM:基于脑电压缩语义表征的语言重建解码

arXiv cs.CL

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。