研究人员开发了STELLA，一个新颖的框架，旨在赋能大型语言模型（LLMs）进行设备端人类活动识别（HAR）。该系统有效地将原始传感器数据转换为紧凑的潜在令牌，然后由冻结的LLM进行处理。STELLA还通过调整轻量级分词器来实现设备端个性化，允许随着用户特定数据的积累而持续改进。该框架在多个数据集和设置中实现了最先进的性能，证明了在实际移动和边缘计算约束下进行实时推理的能力。 AI
影响 赋能设备端高效、私密且个性化的基于LLM的人类活动识别。
排序理由 该条目是一篇研究论文，详细介绍了LLM在人类活动识别中应用的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- Human Activity Recognition
- Nirhoshan Sivaroopan
- ScienceCast
- STELLA
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
