본 논문은 자연어 처리(NLP)에 인지 신경과학을 통합하는 최근 연구 동향을 개괄적으로 다룬다. 특히, 안구 추적(ET) 신호와 같은 인지 신호를 활용하여 언어 모델(LM)과 다중 모드 대규모 언어 모델(MLLM)을 향상시키는 최신 연구에 대한 비판적이고 시의 적절한 분석을 제공한다. 사용자 중심의 인지 신호를 통합함으로써 데이터 부족 및 대규모 모델 훈련의 환경적 비용과 같은 주요 과제를 해결하고, 데이터 증강 효율 증대, 빠른 수렴, 향상된 인간 정렬 등의 효과를 얻을 수 있다. 특히 시각적 질문 답변(VQA) 작업 및 MLLM의 환각 문제 완화에 있어 ET 데이터의 잠재력을 강조하며, 새롭게 등장하는 과제와 연구 동향을 논의한다.
