SleepLM:面向人类睡眠的自然语言智能

我们提出SleepLM，一族睡眠-语言基础模型，支持人类睡眠的对齐、解读和自然语言交互。尽管睡眠至关重要，基于学习的睡眠分析系统却在封闭的标签空间（如预定义分期或事件）中运行，无法描述、查询或泛化到新的睡眠现象。SleepLM连接自然语言与多模态多导睡眠图，实现以语言为锚点的睡眠生理表征。为支持这种对齐，我们引入一个多层次睡眠描述生成流水线，得以构建首个大规模睡眠-文本数据集，包含来自10,000多名个体的超过10万小时数据。此外，我们提出统一预训练目标，结合对比对齐、描述生成与信号重建，以更好地捕捉生理保真度与跨模态交互。在真实世界睡眠理解任务上的大量实验验证，SleepLM在零样本与少样本学习、跨模态检索和睡眠描述生成上优于最先进方法。重要的是，SleepLM还展现出引人注目的能力，包括语言引导的事件定位、针对性洞察生成以及对未见任务的零样本泛化。所有代码与数据都将开源。