3GPP
PulseAugur coverage of 3GPP — every cluster mentioning 3GPP across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
模拟射频计算可实现边缘人工智能服务，对数据速率影响极小
研究人员开发了一种新颖的模拟射频（RF）计算方法，使资源受限的边缘设备能够访问人工智能服务。该方法允许基站组播神经网络权重，客户端可以使用这些权重和自己的输入波形进行人工智能推理，同时功耗和内存占用极小。一项使用3GPP信道的研究所表明，将这些人工智能流与现有数据流集成，数据速率降低不到5%，这表明电信运营商可以同时提供人工智能推理和数据通信服务。
-
新的 LLM 框架自动化 O-RAN 安全分析
研究人员开发了 AutoSec-RAN，一个新颖的框架，通过微调大型语言模型来自动化开放无线接入网 (O-RAN) 系统的安全分析。该方法利用 Mistral-7B-Instruct 的基于规范的微调以及对标准文档的检索增强生成 (RAG)。该系统在 5G/O-RAN 测试台上进行了测试，平均评委得分为 0.713，展示了其在验证 AI 原生 O-RAN 安全方面的潜力。
-
新的6G网络架构在意图实现中优先考虑隐私
提出了一种面向6G网络意图驱动的网络管理新架构，旨在增强隐私并减少对流量检查的依赖。该系统根据声明的意图类别配置资源，并仅使用标准的蜂窝级O1计数器来验证实现，无需进行逐流跟踪或特定厂商的遥测。所提出的方法建立了数据处理不等式，将流量内容信息的泄露限制在K个类别的log2 K比特以内，并在来自四个运营商网络的生产数据上展示了具有竞争力的性能。
-
深度学习框架优化三混合MIMO预编码，提升无线效率
研究人员开发了一个名为Tri-PNet的新型深度学习框架，用于优化无线通信系统中的多用户MIMO预编码。该框架将电磁（EM）可重构天线与传统的混合模拟数字预编码相结合，创建了一个“三混合”系统，显著提高了频谱效率。Tri-PNet利用了结合了卷积神经网络和Transformer的Conformer架构，以联合学习电磁、模拟和数字预编码策略。与现有方法相比，该系统表现出优越的性能，以显著降低的计算复杂度逼近最优解，并在信道信息不完美的情…
-
腾讯云EdgeOne被IDC评为全球托管边缘服务领导者
腾讯云的EdgeOne平台被IDC MarketScape评为托管边缘服务的领导者，这是中国或亚太地区供应商首次获得此殊荣。该平台将加速、安全、边缘计算和AI能力整合到一个统一的系统中，为企业简化了复杂的多产品解决方案。EdgeOne正通过提供边缘AI推理和Web及代理开发托管，来支持AI原生应用，旨在为实时交互和内容生成提供低延迟服务。
-
人工智能/机器学习生命周期管理时序对6G网络至关重要
本文探讨了6G网络中人工智能/机器学习生命周期管理的关键时序问题，重点关注在检测到性能下降后必须快速实施纠正措施的时机。研究使用150个近端策略优化策略测试了三种激活和回滚策略，结果表明纠正命令的延迟会严重影响服务级别协议。研究结果表明，应进行标准划分，由二层处理配置，而三层触发器则管理延迟关键子集，并纳入配对一致性、本地回滚和安全要求。
-
新的 5G AI 框架预测重传以提高效率
研究人员开发了 NOSTRAdAMUS，一个旨在增强 5G NR 网络中链路自适应的预测框架。该系统基于 HARQ 历史预测重传，从而能够主动调整调制和编码方案 (MCS) 选择。NOSTRAdAMUS 利用在 X5G 测试平台的实际数据上训练的梯度提升模型，实现了 82.9% 的准确率，并在各种信道条件下显著提高了有效吞吐量并减少了重传。
-
新的 OCUDU dApp 平台支持 5G 分布式单元中的实时 AI
研究人员推出 OCUDU dApp 平台，这是一个专为 3GPP 5G 分布式单元中的实时 AI 应用设计的开放运行时。该平台允许独立开发的软件直接在 GPU 接收链上执行或在严格的调度截止日期内执行。该论文详细介绍了平台的架构，包括其运行时、E3 代理和公共存储库，展示了如何打包、签名和管理 AI-RAN 应用。在 NVIDIA GB10 Grace Blackwell Superchip 上的演示成功运行了包括神经网络均衡器在内的…
-
新的FedMVLA框架增强了6G网络中具身AI的隐私性
研究人员推出FedMVLA，一个新颖的联邦学习框架，旨在增强未来6G网络中具身智能的隐私性和效率。该框架通过采用模态解耦聚合、隐私分配和通信压缩技术，解决了跨分布式机器人代理训练视觉-语言-动作（VLA）模型所面临的挑战。一项案例研究证明了FedMVLA的有效性，在联邦机器人操作中实现了84.8%的任务成功率，显著优于FedAvg，并大幅降低了数据负载要求。
-
新的TeleTables基准测试揭示大语言模型在电信表格解读方面存在困难
一项名为TeleTables的新基准测试已被开发出来，用于评估大语言模型（LLMs）在解读电信工程规范中复杂表格方面的性能。该基准测试包含来自3GPP标准的2,220个表格和500个选择题，结果显示，在不提供外部信息的情况下，当前的大语言模型在领域特定知识方面存在困难，没有通用模型能达到超过41%的准确率。当表格作为上下文提供时，性能会显著提高，但随着推理深度和结构复杂性的增加，准确率会下降，这凸显了大语言模型在技术表格解读方面需要增强推理能力。
-
6G ISAC框架利用AI进行铁路入侵检测
研究人员开发了一个新颖的铁路安全框架，采用了集成感知与通信（ISAC）技术，该技术结合了感知和通信能力以优化无线资源使用。该框架利用了5G-Advanced和6G系统的先进特性，特别是利用信道状态信息（CSI）进行物理层感知。一个由3D卷积神经网络（3D CNN）和双向长短期记忆（BiLSTM）网络组成的机器学习模型，在合成CSI数据上进行了训练，以检测铁路轨道上的入侵者并预测碰撞风险。该模型表现出高精度，实现了99.57%的入侵者检…
-
New MINT-V2X dataset integrates vehicle mobility and network data
研究人员推出 MINT-V2X，一个旨在通过整合移动性和无线网络参数来弥合车联网（V2X）通信研究差距的新数据集。该综合数据集是通过结合 SUMO 的交通模拟和 OMNeT++/Simu5G 的网络模拟生成的，符合 3GPP Release 14 和 ETSI 标准。MINT-V2X 包含来自 1,386 辆汽车的超过 987 万个同步数据点，提供了真实的城市交通场景。通过路侧单元负载预测的案例研究证明了该数据集的实用性，显示出在纳入…
-
新框架在移动网络中以95%的准确率检测GNSS欺骗
研究人员开发了一个新的框架，用于在3GPP移动网络中检测GNSS欺骗，准确率超过95%。该框架旨在符合3GPP标准，解决了网络运营商面临这一安全挑战的关键需求。研究结果已在arXiv上发表。
-
CFM-Bench 基准测试规范了无线AI模型的评估标准
研究人员推出了一款新的基准测试CFM-Bench，旨在规范渠道基础模型（CFM）的评估。该统一平台解决了当前CFM评估流程不一致的问题，这些流程使用不同的数据、配置和指标，导致难以进行公平比较。CFM-Bench 整合了来自模拟和真实世界测量的各种信道配置，以及特定的数据划分策略，以确保严格的测试。该基准测试支持物理层智能、无线接入网决策智能以及通信感知一体化等六个任务组，旨在为评估CFM的可迁移性提供一个通用基础。
-
新框架统一了无线网络的CSI压缩和预测
研究人员开发了一个新颖的框架，该框架统一了无线网络的信道状态信息（CSI）压缩和预测。该方法将对比预测编码（CPC）直接集成到符合3GPP的CSI反馈架构中，解决了当前标准未能充分解决的信道老化问题。该框架提供了两种变体：CPC-before-Compression，在量化之前对未来的潜在表示进行建模；CPC-after-Compression，将此建模转移到基站以降低设备复杂度。评估表明，与现有方法相比，在重建准确性和计算效率方面有了显著提高。
-
TelcoAgent 框架通过可解释 AI 增强 5G 网络预测
研究人员开发了 TelcoAgent，一个旨在改进 5G 及未来电信网络关键绩效测量 (KPM) 预测的新框架。该基于基础模型的系统解决了当前机器学习方法在可扩展性和可解释性方面的局限性。TelcoAgent 采用三代理管道从 3GPP 规范构建知识图谱，利用时间序列基础模型进行零样本预测，并包含一个用于可操作诊断的推理管道。该框架在真实 5G 数据集上进行了测试，在多个 KPM 上展示了高准确性，并为网络问题解决提供了可解释的见解。