MEMOR-E：面向阿尔茨海默病的基于情境学习与微调的大语言模型个性化
人工智能
2026-05-26 v1 机器人学
摘要
阿尔茨海默病是一种神经退行性疾病，表现为记忆和语言能力的逐渐衰退，导致日常生活独立性下降，从而驱动了社会性助理机器人支持的需求。本文提出了MEMOR-E系统，该系统是一种具备交互式平板界面的移动四足机器人，通过药物提醒、日常程序引导、记忆导向交互和陪伴服务，为患者和照护者提供支持。我们评估了大语言模型(LLM)进行微调以模拟符合病情阶段的认知行为并解读标准神经心理语言任务中响应的可行性，使用来自235名阿尔茨海默病患者及合成生成的健康对照组的音频转录文本。我们还报告了在大语言模型中使用情境学习(ICL)的发现，其中第二个大语言模型产生了领域和严重程�水平的认知错误摘要。我们的结果表明，MEMOR-E能够生成具有阶段感知性的、非诊断性认知摘要，以支持个性化助理交互，同时通过可解释人工智能机制将模型输出翻译为透明、可读的证据，从而实现照护者的监督和可信的人机交互。
引用
@article{arxiv.2605.23941,
title = {MEMOR-E: In-Context and Fine-Tuned LLM Personalization for Alzheimer's Assistive Robotics},
author = {Maissa Abir Smaili and Eren Sadikoglu and Ransalu Senanayake},
journal= {arXiv preprint arXiv:2605.23941},
year = {2026}
}
备注
8 pages 14 figures