Russian Academy of Sciences
PulseAugur coverage of Russian Academy of Sciences — every cluster mentioning Russian Academy of Sciences across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的CV-CCI方法改进了网络数据的反事实分析
研究人员开发了一种名为混淆有效反事实一致性推断（CV-CCI）的新方法，以应对分析网络遥测数据中的挑战。该技术结合了易于获取的、可能存在混淆的观测数据和有限的随机数据，为网络运营商提供可靠的“假设”场景。CV-CCI旨在提高预测集的效率，同时在存在隐藏混淆变量的情况下仍保持统计有效性。在无线接入网控制任务上的实验表明，在隐藏混淆的情况下，CV-CCI在产生更具信息量的预测集方面优于现有方法。
-
新研究提出面向6G网络的LLM智能体心智理论
一篇新研究论文提出了一个使用大型语言模型（LLM）智能体管理未来6G网络的框架。该论文介绍了用于弹性多智能体系统的五项原则，强调消息应被视为推理的痕迹而非客观事实。它建议，一种“心智理论”方法，即智能体模拟其同行的信念，对于防止由AI幻觉引起的级联故障至关重要。所提出的方法使用认知信噪比和蜂窝层模型来确保网络一致性和抗误导性。
-
6GARROW 项目发布网络 AI 验证架构
6GARROW 项目发布了新的可交付成果 D5.1，详细介绍了跨设备、RAN 和核心网络验证原生 AI 技术的架构。该架构支持四个实验室演示，重点关注设备-边缘协同推理、跨域 AI 协调、AI/ML 赋能的物理层处理以及 CSI 压缩等领域。该文件概述了实验测试的目标、接口、能力和验证目标。
-
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。
-
研究人员推出RAS，一种用于可靠语音识别系统的新度量指标
研究人员推出了一种名为RAS的新度量指标，旨在评估自动语音识别（ASR）系统的可靠性。与仅关注准确性的传统度量指标不同，RAS考虑了系统在转录中的置信度，尤其是在嘈杂或模糊的条件下。所提出的框架允许ASR模型在不确定的片段上弃权，RAS通过人类偏好进行校准，平衡了转录的信息量和避免错误。实验表明，这种方法在保持具有竞争力的准确性的同时，显著提高了转录的可靠性。