CovertComBench: A First Domain-Specific Testbed for LLMs in Wireless Covert Communication

Ce papier présente CovertComBench, le premier banc d'essai spécifique pour évaluer les capacités des grands modèles de langage dans le domaine de la communication discrète sans fil, révélant que bien qu'ils excellent dans la compréhension conceptuelle et la génération de code, ils peinent encore à effectuer les déductions mathématiques complexes nécessaires pour garantir la sécurité.

Zhaozhi Liu, Jiaxin Chen, Yuanai Xie, Yuna Jiang, Minrui Xu, Xiao Zhang, Pan Lai, Zan ZhouWed, 11 Ma💻 cs

PixelConfig: Longitudinal Measurement and Reverse-Engineering of Meta Pixel Configurations

Cette étude présente PixelConfig, un cadre d'analyse rétro-ingénierie révélant que les configurations par défaut du Meta Pixel entraînent une adoption massive de fonctionnalités de suivi d'activité et d'identité sur les sites web, y compris ceux liés à la santé, où le suivi d'informations sensibles persiste malgré la mise en place limitée et souvent inefficace de mécanismes de restriction.

Abdullah Ghani (Lahore University of Management Sciences), Yash Vekaria (University of California, Davis), Zubair Shafiq (University of California, Davis)Wed, 11 Ma💻 cs

On the Multi-Commodity Flow with convex objective function: Column-Generation approaches

Cet article propose une approche algorithmique basée sur la génération de colonnes pour résoudre le problème de flot multi-commodités à objectif convexe, applicable aux variantes fractionnaires et non fractionnaires, afin d'optimiser la distribution du trafic dans les réseaux de télécommunications en tenant compte de coûts de liaison croissants de manière convexe.

Guillaume Beraud-Sudreau, Lucas Létocart, Youcef Magnouche, Sébastien MartinWed, 11 Ma💻 cs

ZeroSiam: An Efficient Asymmetry for Test-Time Entropy Optimization without Collapse

Ce papier présente ZeroSiam, une architecture asymétrique Siamese efficace qui prévient l'effondrement des modèles lors de l'optimisation de l'entropie au moment du test tout en régularisant les signaux d'apprentissage et en améliorant les performances sur diverses tâches de vision et de raisonnement.

Guohao Chen, Shuaicheng Niu, Deyu Chen, Jiahao Yang, Zitian Zhang, Mingkui Tan, Pengcheng Wu, Zhiqi ShenWed, 11 Ma🤖 cs.LG

Optimizing Reinforcement Learning Training over Digital Twin Enabled Multi-fidelity Networks

Cet article propose un cadre d'apprentissage par renforcement hiérarchique intégrant une perte adversariale robuste et l'optimisation de politique proximale (PPO) pour entraîner un modèle sur un réseau numérique jumeau multi-fidélité, afin d'optimiser conjointement l'ajustement des angles d'inclinaison des antennes et la stratégie de collecte de données, réduisant ainsi la latence de collecte jusqu'à 28,01 % tout en maximisant les débits des utilisateurs.

Hanzhi Yu, Hasan Farooq, Julien Forgeat, Shruti Bothe, Kristijonas Cyras, Md Moin Uddin Chowdhury, Mingzhe ChenWed, 11 Ma🤖 cs.LG

Why Channel-Centric Models are not Enough to Predict End-to-End Performance in Private 5G: A Measurement Campaign and Case Study

Cette étude démontre que les modèles centrés sur le canal, y compris les simulateurs de ray-tracing, échouent à prédire avec précision le débit de bout en bout dans les réseaux 5G privés en raison d'une surestimation des couches spatiales MIMO, et recommande l'adoption d'approches pilotées par les données pour garantir une planification robotique fiable.

Nils JörgensenWed, 11 Ma🤖 cs.LG

Joint User Association and Resource Allocation for Adaptive Semantic Communication in 5G and Beyond Networks

Cet article propose un algorithme efficace pour l'association des utilisateurs et l'allocation des ressources dans les réseaux 5G et au-delà, en exploitant la communication sémantique adaptative pour optimiser l'utilité globale du système tout en respectant les contraintes d'énergie et de latence.

Xingqiu He, Chaoqun You, Zihan Chen, Yao Sun, Dongzhu Liu, Tony Q. S. Quek, Yue GaoTue, 10 Ma💻 cs