面向注意力感知的大型语言模型：整合实时眼动追踪与脑电波以实现自适应 AI 响应
人机交互
2025-11-11 v1
摘要
本项目提出一种注意力感知型大型语言模型 (LLM)，通过整合脑电波 (EEG) 和眼动追踪技术，动态监测和测量用户的注意力状态。为实现此目标，项目将实时 EEG 和眼动数据集成到基于 LLM 的交互系统中，并对用户的注意力状态进行实时分类。系统能够识别五种注意力状态：高注意力、稳定注意力、注意力下降、认知过载和分心。系统会针对每种状态作出相应响应，尤其关注对注意力下降、分心和认知过载情况的适应，以提高用户参与度并降低认知负荷。
引用
@article{arxiv.2511.06468,
title = {Towards Attention-Aware Large Language Models: Integrating Real-Time Eye-Tracking and EEG for Adaptive AI Responses},
author = {Dan Zhang},
journal= {arXiv preprint arXiv:2511.06468},
year = {2025}
}
备注
9 pages