SleepLM: Natural-Language Intelligence for Human Sleep
人工智能
2026-03-02 v1
摘要
我们提出了 SleepLM，一系列睡眠-语言基础模型，使人类睡眠能够实现对齐、解释并与自然语言交互。尽管睡眠在医学中发挥着关键作用，但基于学习的睡眠分析系统 operate in closed label spaces（例如预定义的阶段或事件），无法描述、查询或泛化到新颖的睡眠现象。SleepLM 将自然语言与多模态多谱图学（polysomnography）对齐，实现对睡眠生理学的语言 grounding 表示。为支持此对齐，我们引入了一个多层次睡眠标题生成管道，使我们能够构建首个大规模睡眠-文本数据集，包含来自超过 10,000 名个体的 10 万小时以上数据。此外，我们提出了一种统一的预训练目标，将对比对齐、标题生成和信号重建结合起来，以更好地捕捉生理保真度和跨模态相互作用。在真实世界的睡眠理解任务上的大量实验表明，SleepLM 在零样本和少样本学习、跨模态检索和睡眠标题生成方面均优于当前最先进的方法。重要的是，SleepLM 还表现出包括语言引导的事件定位、定向洞察生成和对未见任务的零样本泛化等有趣的能力。所有代码和数据将开源。
引用
@article{arxiv.2602.23605,
title = {SleepLM: Natural-Language Intelligence for Human Sleep},
author = {Zongzhe Xu and Zitao Shuai and Eideen Mozaffari and Ravi S. Aysola and Rajesh Kumar and Yuzhe Yang},
journal= {arXiv preprint arXiv:2602.23605},
year = {2026}
}