研究人员推出了一种新的无线基础模型LatentWave，该模型采用联合嵌入预测架构（JEPA）进行预训练。与以往关注重建低级信号细节的方法不同，LatentWave通过在潜在空间中预测掩码区域来学习更具可迁移性的表示。这种方法结合了每通道的patch嵌入和随机通道采样，使得模型能够有效地处理可变的天线数量和多样化的无线配置。在射频信号分类和5G定位等任务上的评估表明，与掩码建模基线相比，其开箱即用的性能得到了提升。 AI
影响 引入了一种新颖的无线基础模型预训练方法，有望提高其在各种无线任务中的可迁移性和可用性。
排序理由 该集群包含一篇学术论文，详细介绍了无线基础模型的新模型架构和预训练方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.06373v1 Announce Type: cross Abstract: Wireless foundation models have emerged as a promising alternative to building separate models for each wireless task. However, existing approaches rely on masked input reconstruction, which can bias representations toward low-lev…
Wireless foundation models have emerged as a promising alternative to building separate models for each wireless task. However, existing approaches rely on masked input reconstruction, which can bias representations toward low-level signal details. In this paper, we propose Laten…