Decodificación de texto mediante LLM y escritura flexible en teléfonos inteligentes

Área de la Ciencia:

• Procesamiento del Lenguaje Natural
• Interacción Humano-Computadora

Sus antecedentes:

• Los modelos de lenguaje grandes (LLM) se destacan en tareas de lenguaje, pero están infrautilizados en la decodificación de teclado.
• La decodificación de teclado traduce las entradas del usuario, como toques y gestos, en texto.

Objetivo del estudio:

• Desarrollar y evaluar un nuevo decodificador basado en LLM para la entrada de teclado.
• Introducir y evaluar la eficacia de un método de escritura flexible que combina varias modalidades de entrada.

Principales métodos:

• Ajuste fino del modelo FLAN-T5 para tareas de decodificación de teclado.
• Evaluación del rendimiento en gestos dibujados por el usuario y datos de escritura por toques del mundo real.
• Realización de un estudio de usuario para evaluar el método de escritura flexible.

Principales resultados:

• El decodificador FLAN-T5 logró una precisión del 93,1 % en gestos y del 95,4 % en escritura por toques.
• La escritura flexible utilizó gestos de palabras (35,9 %), toques (29,0 %), gestos de trazos múltiples (6,1 %) y toques-gestos (29,0 %).
• El decodificador basado en LLM superó en precisión a los decodificadores de gestos existentes.

Conclusiones:

• Los decodificadores basados en LLM ofrecen una precisión superior para la entrada de teclado.
• La escritura flexible mejora la experiencia del usuario y se adapta a diversas preferencias de entrada.
• Este enfoque avanza el campo de la interacción humano-computadora para la entrada de texto.