.png){kind=icon}
返回
World Knowledge Enhanced Task-Oriented Semantic Communication Based on Large Language Model
.png){kind=icon}
PRE
AI
DOI：10.1109/tvt.2026.3737391.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
语义通信（SC）因其节能、高性能和智能任务执行能力，已成为下一代无线网络中的有前景技术。近期研究利用大型语言模型（LLMs）强大的语义理解和表示能力来提升SC性能。然而，现有工作大多忽视了边缘设备在执行智能任务时遇到的多样且复杂的物理环境，这可能在现实场景中显著阻碍其任务执行效果。为应对此挑战，我们提出了一种基于LLM的世界知识增强型任务导向语义通信方案，该方案可在不牺牲通用性的前提下提升接收端LLM的下游物理世界推理能力。具体而言，开发了一种知识提取方法以从世界模型中获取多样化的具身体验。此外，设计了一个多任务正则化微调框架以提升训练速度并支持LLM的高效持续学习。仿真结果表明，所提方案增强了SC系统在任务执行中的空间推理能力，并在不同信道下优于其他基线方法。
Keyword:
Semantic communication
world knowledge
large language model
real-world scenario
期刊
IF:
7.1
论文数:
1.8W
被引数:
6.6W
机构
引用论文
暂无论文信息