LLM4UACP：预训练Transformer实现多步水声信道预测
热点事件观察中
LLM4UACP：预训练Transformer实现多步水声信道预测
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Mingjie Cao等作者提出LLM4UACP框架，通过双域结构保持方法改造预训练Transformer，用于少样本条件下的多步水声信道预测。该方法融合CIR与CFR特征，并以延迟-时间token编码输入模型。 据作者描述，该框架采用Butterfly Orthogonal Fine-tuning，单次前向即可预测多个未来CIR，从而避免递归预测带来的误差累积。
AI 根据报道生成 · 10 小时前更新
最新进展11月14日 13:00
LLM4UACP：双域结构保持与预训练 Transformer 实现多步水声信道预测报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AILLM4UACP：双域结构保持与预训练 Transformer 实现多步水声信道预测
LLM4UACP 通过双域结构保持框架改造预训练 Transformer，实现少样本多步水声信道预测。该方法融合 CIR 与 CFR 特征并以延迟-时间 token 编码，经 Butterfly Orthogonal Fine-tuning 单次前向预测多个未来 CIR，避免递归误差累积。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 711月15日 04:00
- 近 24 小时变化
- –
02468
04:0006:0008:0010:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。