MindChat：在真实场景中利用大型语言模型增强 BCI 拼写
人机交互
2025-07-30 v1
摘要
脑-计算机接口（BCI）拼写器可以提供一个独立于周围神经系统的新型沟通渠道，对于具有严重运动功能不全的患者尤其有价值。然而，当前的 BCI 拼写器通常需要用户逐字母输入预期语句，而拼写错误随 EEG 解码不准确而按比例增长，严重阻碍了 BCI 在实际沟通中的效率和可用性。本文提出了 MindChat，一种大型语言模型（LLM）辅助的 BCI 拼写器，通过减少用户的手动敲击次数来提升 BCI 拼写效率。基于提示工程，我们提示 LLM（GPT-4o）在拼写期间持续提供具有上下文感知性的词语和句子完成/预测建议。包括四种对话情景的在线复制拼写实验表明，MindChat 比传统 BCI 拼写器节省了超过 62% 的敲击次数和 32% 以上的拼写时间。我们设想，受 LLM 增强的高速 BCI 拼写器将 potentially lead to 真正实用的应用。
引用
@article{arxiv.2507.21435,
title = {MindChat: Enhancing BCI Spelling with Large Language Models in Realistic Scenarios},
author = {JIaheng Wang and Yucun Zhong and Chengjie Huang and Lin Yao},
journal= {arXiv preprint arXiv:2507.21435},
year = {2025}
}