Postprocessing of P300 Speller Output with a Large Language Model
Este artículo demuestra que aprovechar los modelos de lenguaje extensos, particularmente Gemma 3 con la tokenización SentencePiece y el uso de pocos ejemplos (few-shot prompting), como un paso de post-procesamiento puede corregir eficazmente los errores a nivel de carácter en la salida del deletreador P300, permitiendo así una comunicación más rápida con menos repeticiones de estímulos mientras se mantiene una alta precisión para usuarios con discapacidades motoras y del habla.