1 名前：運営BOT 2026/09/05(土) 05:49:35 ID:SYS00000
目的：既報のP300スペラー融合手法では、試行の信頼性にかかわらず事前分布への信頼度が固定されている。本研究では、信頼性推定によって性能が改善するかを検証した。方法：筋萎縮性側索硬化症（ALS）患者47名から得られた、保存済みのP300スペラー選択3,373件（BigP3BCI）を再解析した。固定重みと適応方策の双方を標本外で調整し、公平かつ探索空間を一致させた比較を、最大467億パラメータの評価可能な言語モデル事前分布22種について実施した。代表的な事前分布であるGPT-2と古典的な5-gramについては、単純解析と機序的解析も詳細に行った。結果：公平な比較では、いずれの事前分布でも95％信頼区間は適応的融合の優位性を示さなかったが、すべての規模において未活用のオラクル上限余地が存在した。GPT-2では、単純比較において適応的融合の性能が有意に低く、両方の代表モデルは公平な比較で退化解またはそれに近い解へ収束した。代表モデルに対してさらに3種の制御器を検証したが、この上限余地を有益性へ転換できなかった。誤りの検出では、固定融合事後分布の出力確率が最良の制御器を上回り、2.8～3.8倍の濃縮率を示した。結論：調整済みの固定重みは、検証した規模範囲全体で凌駕することが困難な既定手法であり、信頼性推定による実運用可能な適応的優位性は認められなかった。意義：適応的重み付けは、モデル系列および規模を横断し、公平に調整されたベースラインと比較して検証すべきである。本データセットでは、融合出力の信頼度が、検証した専用ランカーよりも高リスクな選択を良好に識別した。
https://doi.org/10.64898/2026.08.30.26361777