开发了一个新的基于检索的框架，用于估计光网络的传输质量。该框架利用可迁移的特征表示，在无需重新训练模型的情况下实现跨域泛化，支持零样本和少样本适应。在相关数据集上的实验表明，该方法优于传统的机器学习基线和近期的对比学习方法，表明其在自动化光网络方面的实用性。 AI
影响 该框架通过实现更好的传输质量估计，有望提高光网络的效率和自动化水平。
排序理由 该集群包含一篇详细介绍新技术框架的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2608.00044v1 Announce Type: cross Abstract: We propose a retrieval-based framework for crossdomain quality-of-transmission (QoT) estimation that leverages transferable feature representations while avoiding reliance on source-domain-specific decision boundaries. The propose…