LEXIC：通过注入复杂度实现的轻量级眼动追踪扩展
英文标题：LEXIC: Lightweight Eye-tracking eXtension via Injected Complexity
论文 LEXIC 针对眼动预测阅读理解任务，提出了一种仅依赖眼动信号（gaze-only）的新方法，以弥合与依赖文本的模型之间的性能鸿沟。在 EyeBench 基准测试中，基于预训练语言模型的文本感知方法可达 56–63% AUROC，而现有仅用眼动数据的模型几近随机水平。该研究探索了仅凭眼动特征在深度理解任务上的能力上限，对构建隐私友好、低侵入性的用户状态推断系统具有重要意义。
打开原文相关 1.6 · 机会 0
2.6 KB
2.1 KB
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
BibTeX 格式的引用
bibtex @article{anonymous2025lexic, title={LEXIC: Lightweight Eye-tracking eXtension via Injected Complexity}, author={Anonymous}, journal={arXiv preprint arXiv:2607.08152v1}, year={2025}, note={Announce Type: new} }
摘要
在最近的 EyeBench 基准测试中，根据眼动数据预测阅读理解水平暴露了一个鲜明的差距：使用预训练语言模型的文本感知模型可以达到 56–63% 的 AUROC，而仅依赖眼动信号（gaze-only）的模型仅处于随机猜测水平。我们探究了一个仅依赖眼动的模型能够在这种复杂认知任务上达到何种性能高度。
English / 原文
BibTeX formatted citation
×