Postprocessing of P300 Speller Output with a Large Language Model
Questo articolo dimostra che l'utilizzo di grandi modelli linguistici, in particolare Gemma 3 con la tokenizzazione SentencePiece e il prompting few-shot, come fase di post-elaborazione può correggere efficacemente gli errori a livello di carattere nell'output dello speller P300, consentendo così una comunicazione più veloce con meno ripetizioni degli stimoli pur mantenendo un'elevata accuratezza per utenti con disabilità motorie e del linguaggio.