يقترح الباحثون LEXIC، وهو امتداد خفيف الوزن لنماذج تتبع العين المعتمدة فقط على النظر يحسّن توقع فهم القراءة من خلال حقن إشارات صعوبة على مستوى الكلمة المحسوبة مسبقًا دون استخدام نماذج لغوية مُدرَّبة مسبقًا. يعتمد النهج على الأساس EyeBench AhnCNN ويُدخل آليتين—LEXIC-Concat و LEXIC-Res—لدمج قيمة المفاجأة (surprisal) الخاصة بـ GPT-2، وتكرار الكلمة، وطول الكلمة في مدخلات كل تثبيت نظر.
في مهمة فهم القراءة OneStop مع تدريب تجميع البذور K=5 عبر عشر طيات، حققت الآليتان مكاسب متسقة إحصائيًا في AUROC بنقطة مئوية +1.8 إلى +2.2 على النصوص غير المرئية (Wilcoxon p <= 0.065). كما رفع LEXIC-Concat الأداء على القراء غير المرنيين بنسبة +2.9 نقطة مئوية (p = 0.010)، بينما أظهر LEXIC-Res مكسبًا أصغر وغير ذي دلالة إحصائية قدره +1.8 نقطة مئوية بسبب مشاكل معايرة مع قراء خارج التوزيع.
تسلط الدراسة الضوء على حدود معمارية في النمذجة المعتمدة فقط على النظر، مُظهرةً أن التكييف الخفيف الوزن يمكنه سد الفجوة بين الأداء العشوائي والنماذج الواعية بالنص، على الرغم من أن قابلية النقل إلى قراء غير مرئيين تظل صعبة.