论文提出STAR零样本无线资源分配框架

Albert Shaju 等人在 arXiv 发布论文，提出零样本、跨领域的无线资源分配框架 STAR。该框架利用冻结视觉语言模型的注意力逐像素计算语义重要性指标（SCI），进行语义关键性分层资源分配；换任务只需修改提示词，无需重新训练。 论文称，在 Es/N0 不低于 -4 dB 时 STAR 的语义准确率至少达到 0.98；在工厂监控和车辆监控数据集上，相比稳健编码传输分别将重构误差降低 59.5% 和 91.5%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。