语言模型惊讶度预测中文阅读时长

Hongao Zhu等人分析14M—1.4B参数、训练于300亿token的Chinese-Pythia模型，发现token级惊讶度可预测普通话中文眼动语料中的首次注视时长、注视时长和总阅读时长，但预测效果依赖语料：GECO-CN中模型越大预测越好，HKP中出现反向扩展，MECO仅在最大规模时如此。 研究提出Shortest Matching Sequence，以对齐眼动语料的词语切分与模型子词分词；针对HKP的结果，模型惊讶度越接近n-gram统计，预测越好，但这只是研究检验的一种解释，不能据单篇语料概括规模规律。

AI 根据报道生成 · 41 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。