AI模型读懂人脑，AR智能眼镜将实现文本实时个性化适配

查看引用/信息源请点击：techxplore

让屏幕文字自动适应你的认知节奏

（映维网Nweon 2026年08月11日）阿尔托大学、香港科技大学、香港城市大学和新加坡国立大学的研究团队开发了一个人类阅读模型，利用强化学习来解释并重现读者在阅读文本过程中做出的选择。

研究人员表示，模型有望驱动更智能的AR显示，并为不同读者和日常情境定制复杂文本。

团队解释称，早期的模型从配对文本片段与眼动追踪数据的大型数据集中学习，然后模仿人类行为，但缺乏对内容的真正理解，且在不同语言或情境下泛化能力不佳。相比之下，新模型遵循读者用于引导注意力的心理机制，揭示了随着眼睛在单词、句子和段落间移动，理解是如何逐步建立的。

他们认为，理解人类记忆如何支持阅读，是释放可定制应用程序、服务或产品巨大潜力的关键：“我们无时无刻不在阅读，然而在有文字记载的历史中，我们阅读的文本都是为大众使用而制作的，并非针对某个个体或特定情境。现在我们有能力改变这一点。”

新模型以资源理性为指导原则——即我们在阅读时，会不断决定接下来看向哪里，以在可用时间内尽可能多地提升理解。关于视线分配的决定在三个层面做出：单词层面、句子层面和文本层面。

这些决定受到读者语言能力、记忆容量、视力和眼动速度等因素的影响。例如，一个阅读速度快、记忆力好的读者可能会轻快地从一个段落跳到下一个段落，而记忆力较差的读者则更倾向于回看。

“阅读感觉毫不费力，但你的大脑一直在决定看哪里、跳过什么、何时回看——像管理预算一样分配注意力，以最大化理解。”

研究人员将读者特征作为参数加入模型，使每个参数均可调节，然后让模型自行学习引导注意力的最佳策略。

“我们将模型置于一个拥有数百万篇文本的世界中。然后，利用基于AI的强化学习，我们训练它优化眼动，使其真正理解所读内容。”

在阅读过程中，模型会形成对文本内容的压缩描述。当缺少关键单词或从句时，视线可以引导去获取该信息。同时，可以通过询问模型在给定时间和约束条件下记住了哪些内容来测试其理解程度。

当研究人员将模型的注意力分配决策与真实人类眼动追踪数据进行比较时，他们发现模型的决策反映了读者的行为。实际上，他们成功构建了一个“平均读者”模型，可以针对不同的读者档案进行定制。

这一进展为新的阅读辅助工具和个性化文本设计铺平了道路。例如，模型可用于使智能眼镜能够根据情境和用户需求调整屏幕上文本的呈现速度和布局，或为用户定制文本。

“我们可以拿同一篇源文本——比如说，一篇晦涩难懂的法律文书——通过很少的功夫就能生成适合不同读者、更易于理解的版本。”

相关论文：Hierarchical resource rationality explains human reading behaviour

团队的下一步将是评估该模型如何用于帮助阅读障碍和语言能力较低的人群。