隧道中毫米波MIMO信道特性的实验研究——论文阅读
本文针对地铁隧道环境开展28 GHz毫米波MIMO信道测量，研究水平与垂直极化下的信道特性。采用高增益定向天线克服路径损耗，并结合实测与射线追踪仿真分析。结果表明，水平极化因侧壁反射更强、角度扩展更大，信道容量优于垂直极化，为隧道内毫米波通信系统设计提供依据。
矩形隧道中MIMO信道特性的模态理论解释——论文解读
本文基于模态理论研究矩形隧道中MIMO信道的传播特性，分析模式正交性、有效模式数及空间相关性对信道容量的影响。结果表明，在损耗壁条件下模式仍具准正交性，有效模式数随距离衰减，收发端相关性制约系统性能。研究为隧道等封闭环境下的MIMO系统设计提供了理论依据。
NLP参数高效迁移学习：Adapter方法——论文简读
本研究深入探讨了自然语言处理中参数高效的迁移学习方法——Adapter。通过在预训练模型中引入小型可训练模块，仅调整少量额外参数即可完成模型适配。理论分析表明，该方法在初始化时保持网络行为稳定，并通过瓶颈结构大幅压缩参数规模。实验结果显示，Adapter在GLUE基准上仅用3.6%的参数便达到接近全微调的性能，且对学习率具有更强的鲁棒性。相比传统微调和其他参数高效方法，Adapter在多任务场景下展现出更优的存储效率与泛化能力，为大规模模型的实际部署提供了高效可行的解决方案。
模型量化技术简要详解
模型量化技术通过将高精度浮点数转换为低精度整数，在保持模型性能的同时显著提升计算效率并降低内存占用。其核心在于权衡精度与效率，广泛应用于大模型部署，尤其在边缘设备和移动平台中发挥重要作用。