研究人员开发了RAN-JEPA，这是一种新颖的、面向动作的（action-conditioned）世界模型，用于实现能效高的移动网络控制。该模型通过首先从大量的被动遥测数据中学习预测性潜在表示（predictive latent representation），然后将其适应到特定领域，来解决干预数据稀缺的挑战。最后，它从有限的受控轨迹中学习面向动作的动力学（action-conditioned dynamics），在模拟中显示出比GPT-2和机械基线（mechanistic baselines）更低的预测误差，并在5G测试台中实现了更高的休眠比（sleep ratios）。 AI
影响 这项研究可能通过先进的AI控制实现更节能的移动网络运营。
排序理由 学术论文，详细介绍了一个新模型及其评估。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.17584v1 Announce Type: new Abstract: Operational mobile networks are rich in observations but poor in interventions: they continuously generate large volumes of passive telemetry, while controlled action--response trajectories remain comparatively scarce and costly to …
Operational mobile networks are rich in observations but poor in interventions: they continuously generate large volumes of passive telemetry, while controlled action--response trajectories remain comparatively scarce and costly to collect. This observation--intervention asymmetr…