Postprocessing of P300 Speller Output with a Large Language Model
이 논문은 SentencePiece 토큰화와 퓨샷 프롬프팅을 사용하는 Gemma 3와 같은 대규모 언어 모델을 후처리 단계로 활용하는 것이 P300 스펠러 출력의 문자 수준 오류를 효과적으로 교정할 수 있음을 입증하며, 이를 통해 운동 및 언어 장애가 있는 사용자들을 위해 높은 정확도를 유지하면서도 더 적은 자극 반복으로 더 빠른 의사소통을 가능하게 한다.