北京大學(xué)許辰人教授團(tuán)隊(duì)與美國匹茲堡大學(xué)高偉教授合作，系統(tǒng)性地定義了無線感知領(lǐng)域合成數(shù)據(jù)的質(zhì)量評(píng)估指標(biāo)，提出了 SynCheck 框架。研究人員設(shè)計(jì)了具有普適性的、即插即用的數(shù)據(jù)篩選機(jī)制，能夠確保訓(xùn)練過程中僅納入高質(zhì)量的合成樣本。

該框架突破了智能家居或工業(yè)監(jiān)測(cè)等小數(shù)據(jù)場(chǎng)景的瓶頸化難題。另一方面，其在跨場(chǎng)景泛化領(lǐng)域，具有更低的部署成本，更高的精度和更強(qiáng)的環(huán)境適應(yīng)性。該研究為無線感知的實(shí)際落地，提供了一種在真實(shí)數(shù)據(jù)有限場(chǎng)景下的解決方案，并有望在數(shù)據(jù)合成后的質(zhì)量驗(yàn)證接口、任務(wù)模型訓(xùn)練、場(chǎng)景適配等環(huán)節(jié)產(chǎn)生價(jià)值。

審稿人認(rèn)為這項(xiàng)工作填補(bǔ)了現(xiàn)有研究的空白，且實(shí)驗(yàn)評(píng)估全面有力，對(duì)實(shí)際應(yīng)用具有重要指導(dǎo)意義。其對(duì)該研究評(píng)價(jià)稱：“這項(xiàng)研究針對(duì)合成無線數(shù)據(jù)質(zhì)量評(píng)估這一獨(dú)特而重要的問題，創(chuàng)新性地提出了親和性與多樣性的評(píng)估框架，并通過技術(shù)扎實(shí)的半監(jiān)督學(xué)習(xí)框架有效提升了合成數(shù)據(jù)在下游任務(wù)中的實(shí)用性?！?/p>

（來源：該團(tuán)隊(duì)）

日前，相關(guān)論文以《數(shù)據(jù)自證其質(zhì)：面向無線合成數(shù)據(jù)的質(zhì)量導(dǎo)向利用方法》（Data Can Speak for Itself: Quality-guided Utilization of Wireless Synthetic Data）為題發(fā)表在預(yù)印本網(wǎng)站 arXiv[1]，并獲得了移動(dòng)計(jì)算領(lǐng)域頂會(huì) MobiSys 2025 的最佳論文獎(jiǎng)。論文作者包括北京大學(xué)博士生龔晨、梁博、美國匹茲堡大學(xué)高偉教授和北京大學(xué)許辰人教授。

圖丨相關(guān)論文（來源：arXiv）

與 AI 領(lǐng)域的豐富數(shù)據(jù)相比，無線感知領(lǐng)域的高質(zhì)量開源數(shù)據(jù)集相對(duì)較少。主要原因在于：一方面，研究人員采集真實(shí)數(shù)據(jù)需要實(shí)際測(cè)量需要特定的設(shè)備；另一方面，數(shù)據(jù)受時(shí)間、空間變化等物理因素的影響，因此在有限場(chǎng)景下的實(shí)測(cè)難以覆蓋真實(shí)世界的長(zhǎng)尾分布。

隨著技術(shù)的發(fā)展，生成模型（如 GAN、Diffusion Models）等新技術(shù)在圖像和文本領(lǐng)域已展現(xiàn)出強(qiáng)大的能力。此前，已有研究者嘗試將生成模型應(yīng)用在無線感知領(lǐng)域，嘗試用合成數(shù)據(jù)來補(bǔ)充真實(shí)數(shù)據(jù)。

然而，他們?cè)谥苯討?yīng)用生成模型時(shí)，面臨領(lǐng)域特定的挑戰(zhàn)：無線信號(hào)需要更強(qiáng)的物理可解釋性，必須符合電磁波傳播規(guī)律，例如菲涅爾區(qū)效應(yīng)、多普勒頻移等。因此，目前尚未有系統(tǒng)性的評(píng)估框架來量化合成數(shù)據(jù)的質(zhì)量，以及它們?cè)诟兄蝿?wù)中的有效性，更缺乏與真實(shí)信號(hào)物理一致性的理論保障。

圖丨對(duì)無線合成數(shù)據(jù)的質(zhì)量評(píng)估和質(zhì)量引導(dǎo)的利用（來源：arXiv）

研究團(tuán)隊(duì)希望通過建立可量化的無線領(lǐng)域數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)，來解決將合成數(shù)據(jù)用于模型訓(xùn)練的可靠性問題。SynCheck 框架的核心思路是，在訓(xùn)練過程中動(dòng)態(tài)優(yōu)化合成數(shù)據(jù)的質(zhì)量，而不是進(jìn)行單次的篩選過濾。

具體來說：

首先進(jìn)行半監(jiān)督學(xué)習(xí)，將真實(shí)數(shù)據(jù)作為有標(biāo)簽數(shù)據(jù)，合成數(shù)據(jù)作為無標(biāo)簽數(shù)據(jù)，共同放入模型中訓(xùn)練。這樣既能兼顧真實(shí)數(shù)據(jù)的準(zhǔn)確性，又能發(fā)揮合成數(shù)據(jù)的規(guī)模優(yōu)勢(shì)。

第二步是動(dòng)態(tài)評(píng)估和過濾。在訓(xùn)練過程中，模型會(huì)迭代地實(shí)時(shí)判斷哪些合成數(shù)據(jù)是可信的。研究人員篩選出這些質(zhì)量高的合成數(shù)據(jù)，并且只用這些數(shù)據(jù)參與監(jiān)督式訓(xùn)練。同時(shí)，他們會(huì)及時(shí)刪除那些標(biāo)簽錯(cuò)誤或分布偏差較大的樣本。

（來源：arXiv）

SynCheck 框架的主要?jiǎng)?chuàng)新點(diǎn)在于，訓(xùn)練和迭代篩選優(yōu)化過程是同步進(jìn)行的，可動(dòng)態(tài)地對(duì)數(shù)據(jù)進(jìn)行篩選和優(yōu)化質(zhì)量。它不依賴額外的人工規(guī)則，而是根據(jù)任務(wù)模型的置信度來進(jìn)行判斷。同時(shí)，也適用于不同的感知任務(wù)，并兼容各種各樣的生成模型。

值得關(guān)注的是，該團(tuán)隊(duì)創(chuàng)新性地提出了親和性（affinity）與多樣性（diversity）兩個(gè)指標(biāo)，以將任務(wù)模型作為橋梁來衡量合成數(shù)據(jù)能增強(qiáng)真實(shí)數(shù)據(jù)的具體程度。具體來說，親和性關(guān)注的是合成數(shù)據(jù)在每個(gè)類別內(nèi)部是否足夠接近真實(shí)數(shù)據(jù)，而多樣性則關(guān)注合成數(shù)據(jù)是否足夠廣泛地覆蓋真實(shí)數(shù)據(jù)的分布。

龔晨對(duì) DeepTech 解釋說道：“這是一種在無線感知領(lǐng)域不依賴于人工設(shè)計(jì)規(guī)則，且比較具有普適性的質(zhì)量評(píng)估方法。我們不需要去理解這些信號(hào)的含義，它們直接面向需要合成數(shù)據(jù)的最終目標(biāo)，適用于不同的感知任務(wù)，也不需要針對(duì)不同的生成模型做調(diào)整，最終提升目標(biāo)任務(wù)的性能?！?/p>

圖丨合成數(shù)據(jù)的質(zhì)量量化（來源：arXiv）

傳統(tǒng)方法由于直接使用合成數(shù)據(jù)，容易引起數(shù)據(jù)質(zhì)量方面的缺陷。研究人員通過實(shí)驗(yàn)對(duì)比，發(fā)現(xiàn)在傳統(tǒng)方法模型訓(xùn)練性能下降 13.4% 情況下，采用 SynCheck 框架仍能實(shí)現(xiàn)性能提升 4.3%。其核心差異在于，該框架通過動(dòng)態(tài)去噪和智能化篩選，有選擇性地利用這些數(shù)據(jù)，其性能提升本質(zhì)上是通過數(shù)據(jù)篩選解決了合成數(shù)據(jù)的可靠性問題。

總體來說，該研究為生成式模型在無線感知領(lǐng)域的可靠應(yīng)用開辟了新路徑，使其真正成為擴(kuò)展數(shù)據(jù)邊界的有效工具，為無線大模型實(shí)現(xiàn)“數(shù)據(jù)自由”開啟了一個(gè)好的開端。

許辰人團(tuán)隊(duì)的重點(diǎn)研究方向是多模態(tài)感知賦能科學(xué)與工程智能。未來，研究團(tuán)隊(duì)將聚焦在兩個(gè)關(guān)鍵方向：一方面，他們計(jì)劃進(jìn)一步直接優(yōu)化生成模型，把這些質(zhì)量評(píng)估指標(biāo)反向地指導(dǎo)生成模型的訓(xùn)練，從而直接改善生成模型；另一方面，他們還希望深度整合物理仿真器，構(gòu)建基于電磁傳播原理的仿真引擎，以減少對(duì)真實(shí)標(biāo)注數(shù)據(jù)的依賴程度。

參考資料：

1.https://arxiv.org/abs/2506.23174

2.https://github.com/MobiSys25AE/SynCheck

運(yùn)營(yíng)/排版：何晨龍