A Capacidade do Pensamento: Avaliando o Llama 3.2 na Decodificação Neural Semântica de Linguagem por fMRI e Aprimorando o Baseline do Modelo de Codificação de Huth

arXiv:2607.12079v1 Tipo de anúncio: novo Resumo: Decodificar linguagem contínua a partir de sinais de fMRI continua sendo um desafio central na pesquisa de interfaces cérebro-computador não invasivas. Apresentamos duas investigações complementares. Primeiro, aprimoramos o pipeline de codificação por regressão ridge de Huth et al. por meio da ampliação da seleção de voxels (de 10 mil para 15 mil), da substituição do GPT-1 pelo GPT-2 medium como modelo de proposta para a busca em feixe (beam search) e do treinamento com bootstrap acelerado por GPU, alcançando METEOR médio = 0,149 e BLEU-1 = 0,200 em ...