Un nuevo marco aborda la discrepancia representacional en la reconstrucción semántica continua fusionando representaciones léxicas estáticas (W2V) con representaciones contextualizadas dinámicas (GPT). El estudio compara dos enfoques de integración: concatenación lineal simple y atención cruzada multi-cabeza no lineal.
- El enfoque utiliza un mecanismo de compuerta interactivo para facilitar el procesamiento cooperativo durante la comprensión del lenguaje.
- La evaluación revela una jerarquía de rendimiento: Cross-Att > Concat > GPT > W2V.
- El método de fusión de atención cruzada no lineal alcanza el estado del arte (state-of-the-art).
Los autores consideran esto significativo porque demuestra que la decodificación del lenguaje neuronal se beneficia al simular una modulación colaborativa entre la información contextual y los atributos léxicos centrales, ofreciendo un método viable de decodificación no invasiva de cerebro a texto.