Postprocessing of P300 Speller Output with a Large Language Model
本論文は、大規模言語モデル、特にSentencePieceトークナイゼーションとフューショット・プロンプティングを用いたGemma 3を後処理ステップとして活用することで、P300スペラーの出力における文字レベルの誤りを効果的に修正でき、それによって、運動および言語障害を持つユーザーにとって高い精度を維持しながら、刺激の反復回数を減らし、より迅速なコミュニケーションを可能にすることを実証するものである。