последовательности фиксаций взгляда и оценивает их по вероятности пропуска слова, количеству фиксаций при первом чтении и другим критериям. Илья Першин, руководитель лаборатории «ИИ в медицине» Университета Иннополис, пояснил, что синтетические данные часто являются единственным решением, когда реальных записей айтрекинга недостаточно, что удешевляет обучение и позволяет решать задачи, ранее невозможные. В одном из исследований такой подход повысил точность предсказания взгляда на рентгеновских снимках на 20–30%. Второй патент охватывает унифицированный протокол оценки генерации движений глаз при чтении, сравнивающий траектории взгляда по пространственным и временным характеристикам и анализирующий особенности на уровне всего текста, слова и предложения. Третий патент описывает метод обучения языковых моделей с использованием синтетических траекторий взгляда, интегрирующий данные визуального внимания в обучение с подкреплением на основе обратной связи от человека. Иван Стебаков, специалист лаборатории, отметил, что модель вознаграждения обучается на реальных предпочтениях людей для автоматической оценки ответов большой языковой модели, что ускоряет обучение в 1,5–2 раза, снижает вычислительные затраты, достигает 93% точности воспроизведения паттернов человеческого внимания и работает даже для языков с ограниченными ресурсами.