研究者提出协同上下文学习框架Poly-Ripple用于室内无线电地图估计

2026年10月26日，研究人员在arXiv发布研究，提出了名为Poly-Ripple的协同上下文学习框架，用于解决室内无线电地图估计（RME）中的数据隐私与高昂标注成本难题。该框架允许多个客户端基于大型自回归视觉模型（LAVM）执行上下文学习，并且无需对模型进行更新；同时，框架采用波纹有序自回归建模来捕捉无线电传播的因果结构。配合重要性感知聚合机制，Poly-Ripple在公开室内RME基准测试中持续优于代表性的上下文学习（ICL）基准。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。