Postprocessing of P300 Speller Output with a Large Language Model
Diese Arbeit zeigt, dass die Nutzung großer Sprachmodelle, insbesondere Gemma 3 mit SentencePiece-Tokenisierung und Few-Shot-Prompting, als ein Post-Processing-Schritt effektiv zeichenbasierte Fehler in der P300-Speller-Ausgabe korrigieren kann, wodurch eine schnellere Kommunikation mit weniger Stimulus-Wiederholungen ermöglicht wird, während gleichzeitig eine hohe Genauigkeit für Nutzer mit motorischen und sprachlichen Einschränkungen beibehalten wird.