используя единую архитектуру нейронной сети. Она объединяет мультиязычную языковую модель и модель-трансформер для прогнозирования фиксаций взгляда, обученную на записях айтрекинга от носителей разных языков. Система генерирует синтетические последовательности фиксаций взгляда и оценивает их по вероятности пропуска слов и количеству фиксаций при первом чтении. Второй патент касается оценки генерации взгляда при чтении и решает проблему отсутствия единых протоколов для сравнения последовательных фиксаций взгляда на тексте, создаваемых генеративными моделями. Предлагаемый подход сравнивает траектории взгляда по пространственным и временным характеристикам, а также оценивает различные особенности движения глаз на уровне всего текста, отдельных слов и предложений. Третий патент описывает метод обучения языковых моделей с использованием синтетических траекторий взгляда, интегрируя данные визуального внимания в обучение с подкреплением на основе обратной связи от человека. Изобретение включает генерацию синтетических последовательностей фиксаций взгляда и признаков визуального внимания, а также реализацию алгоритма обучения с подкреплением, основанного на обратной связи от человека, который учитывает паттерны внимания человека. По словам университета, эта технология ускоряет обучение ИИ в 1,5–2 раза, снижает вычислительные затраты, воспроизводит паттерны внимания человека с точностью до 93% и работает даже для языков с небольшим объемом данных.