跳到主要内容
检索

# 汤普森采样

2 篇关联报道

订阅更新
  1. researchsquare.com

    模块化超大阵列波束训练不再全码本扫描:先按视差铺候选,再用统计反馈剪掉纯噪声扇区

    模块化超大天线阵列在近场与远场并存的混合场环境中做波束训练,候选码本不再固定不变。此前子阵方案依赖预定义码本或激活图样,难以适应空间非平稳信道;这里先用视差感知的初始码本覆盖各子阵的角度偏移,再用多臂老虎机在线学习,并在统计稳态后跨子阵投影、用似然比检验剔除纯噪声扇区,从而压缩动作空间。仿真中该方案在评估的整个信噪比范围内有效频谱效率高于三种对比方案,训练开销也明显降低。

  2. arXiv

    集成式信息论任务选择框架让 LLM 多智能体通信结构优化在良性对抗场景下均优于随机训练

    该工作提出一种基于集成的信息论任务选择框架,用集成卡尔曼反演近似贝叶斯更新来估计候选任务对图参数分布的改变量,并通过嵌入代表性选择、代理建模与批量汤普森采样提升可扩展性,在良性与对抗设置及多种任务格式下验证,一致优于随机训练,实现更有效的任务选择与更高的整体成本效率。

已读完全部报道