aphasia

本文介绍了PRISM，一种用于大型语言模型空间分辨可解释性的基于扰动的方法，将神经影像减法分析适配到Transformer，并平行应用于卒中后失语症患者，以恢复共享的语音优势分离。

本文探讨能否从LLaVA-Vicuna 13B的失语症图片命名错误特征中恢复病灶参数。作者发现扰动强度可恢复，而层索引仅能近似恢复，反事实保真度为81.4%，且对卒中幸存者的泛化具有综合征区分性，这表明Transformer各层之间存在功能冗余。

本研究探究了经过指令微调的大语言模型（Llama-3.1-8B、Qwen2.5-7B、Mistral-7B、Phi-3-mini）能否可靠地分类失语症语篇转录中的正确信息单元。少样本提示使三个模型获得了具有竞争力的F1分数（0.776–0.817），但性能因严重程度而异，且与人类标注的一致性仍不足以实现完全自主使用。

本文批判了自动语音识别（ASR）评估中使用单一参考真实标准的做法，指出这会导致对失语症患者说话人的认识论不公。文章提出了一种新指标——认识论不公距离（EID），并提倡使用WER-Range（词错率范围）来考虑多样化的转录惯例。