.png){kind=icon}
返回
Multi-Task Semantic Communications via Large Models
.png){kind=icon}
PRE
AI
DOI：10.1109/MCOMSTD.2025.3605634.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工智能（AI）有望革新下一代通信系统的设计、优化和管理。本文通过利用大型AI模型（LAMs）的多模态数据处理和生成能力，探讨了将LAMs集成到语义通信（SemCom）中的方法。尽管LAMs为从原始数据中提取语义带来了前所未有的能力，但这种集成涉及多方面的挑战，包括高资源需求、模型复杂度以及在多种模态和任务间进行适应性调整的需求。为克服这些挑战，我们提出了一种基于LAMs的多任务SemCom（MTSC）架构，该架构包含自适应模型压缩策略和联邦切分微调方法，以促进在资源受限网络中高效部署基于LAMs的语义模型。此外，还实现了检索增强生成方案，用于整合最新的本地和全局知识库，以提升语义提取和内容生成的准确性，进而改善推理性能。最后，仿真结果表明了所提出的基于LAMs的MTSC架构的有效性，凸显了在不同信道条件下针对各类下游任务的性能提升。
Keyword:
Semantics
Decoding
Knowledge based systems
Data mining
Multitasking
Visualization
Computer architecture
Accuracy
Quantization (signal)
Encoding
Artificial intelligence
Large language models
期刊
I
IF:
0
论文数:
199
被引数:
0
机构
引用论文
Semantic Communications Based on Adaptive Generative Models and Information Bottleneck基于自适应生成模型和信息瓶颈的语义通信
OAAI
OAAI分享收藏AI Empowered Wireless Communications: From Bits to Semantics人工智能支持无线通信: 从比特到语义.png)
PROCEEDINGS OF THE IEEEOAAI
PROCEEDINGS OF THE IEEEIF25.9
OAAI分享收藏Deep Learning Enabled Semantic Communications With Speech Recognition and Synthesis通过语音识别和合成实现深度学习的语义通信OAAI
OAAI分享收藏
查看更多内容