09:59
官方账号arXiv cs.LG@Madi Makin, Asmaa Abdallah, Abdulkadir Celik, Ahmed M. Eltawil
推荐理由：这篇论文搞了个WALoMA，能用一个模型处理6G多个无线任务，只用少量标注数据就拿到87.8%的平均分，比LWM高了近28个百分点，参数只训练了14%。
WALoMA
共 1 条相关 AI 资讯
7月29日
09:59
WALoMA是一种针对6G无线物理层的多任务基础模型，采用掩码自编码器（MAE）范式从未标记信道数据中学习。它使用2D位置编码保留天线与子载波间空间频率关系，并通过低秩适应（LoRA）实现参数高效微调。在五个下游任务中，WALoMA分别达到96.47%（LoS/NLoS分类）、80.45%（波束预测）、85.78%（信道插值）、99.12%（信道估计）和77.18%（信道映射）。其复合分数87.80%，大幅超越大无线模型（LWM）的59.90%，且仅训练14.68%的总参数。即使在标注数据极端稀缺条件下仍保持强性能。