本文介绍了一种新型的语义传输范式：语义传播，主张在源编码和信道编码中注入语义指导，以利用数据语义多样性和无线信道多样性来提高整个系统的效率和可靠性。

Aug, 2022

本文探讨了在新兴的网络化系统中，为了实现远程驱动，如何通过语义学方法实现目的导向的信息交换，证明了基于语义学方法采样和传输策略能够显著降低误差率和执行成本。

Jul, 2020

该文论述了语义通信的概念和理论框架，重点探讨了基于深度学习的语义通信系统设计及其性能度量，最终提出若干该领域的待解决问题。

Dec, 2021

本文介绍了将语义和目标导向应用于未来的 6G 网络中，将有助于提高系统的效率和可持续性，同时结合知识表示和推理工具以及机器学习算法，可以建立语义学习策略从而实现更好的解释能力，对抗敌对攻击。

Nov, 2020

本文探讨了传统的通信系统在意义传达方面的缺陷，提出了一种基于语义感知的资源高效边缘智能通信架构，旨在通过卸载计算资源，保护用户信息，并最大限度地提高通信效率。

Dec, 2020

利用语义分析方法，在保证语义保真度高的前提下，提高了无线通信的通信效率。

Jan, 2021

通过多任务学习，本文探讨了以目标为导向和语义为基础的通信在下一代通信网络中的机遇和挑战。该方法使用深度神经网络，将专用的编码器部署在发送端，将多个任务特定的解码器共同部署在接收端，集中训练以处理包括语义信息保留、源输入重构和集成感知和通信在内的各种任务。通过将解码器部署在多个接收器上，采用去中心化学习，解决了通信负载和隐私问题，利用联邦学习技术在分布式节点之间分发模型更新。然而，该方法的有效性取决于所采用的深度学习模型的鲁棒性。我们审查了在训练和测试阶段可能产生的对抗性攻击的潜在漏洞，这些攻击旨在操纵编码器端的输入以及接收端空中接收到的信号，凸显了加固语义通信以防范潜在的多领域攻击的重要性。总体而言，在多任务学习框架中，任务导向通信、语义通信和集成感知与通信的共同鲁棒设计成为下一代网络系统中实现上下文感知、资源高效和安全通信的关键因素。

Jan, 2024

该论文以综述的形式介绍了 semantic-empowered communication（SemCom）研究的背景、研究分类以及相关生态。该论文还介绍了理论、度量标准、数据集和工具包等方面的分类，并且详细说明了 SemCom 的关键技术方法和未来的研究方向。同时该论文还探讨了 SemCom 与其他通信层次的关系，并提出了在语义准确性、鲁棒性和大规模可扩展性方面的实用技术。

Dec, 2022

该论文提出了一种任务导向通信的新方法，将信号的分类作为任务，并使用编码器 - 解码器对接收器、发射器和分类器功能进行联合训练，以提高准确性。此外，在深度学习用于任务导向通信时，对抗机器学习构成了一种安全威胁。

Dec, 2022

在即将到来的 AI 辅助的 6G 网络中，整合语义、语用和目标导向的沟通策略变得必不可少。本文的主要贡献是：首先，提出并详细说明了一种新的数学建模方法，用于描述由于语义和有效性水平上的语言不匹配而导致的错误；其次，提供了一种利用最优传输理论来抵消这些类型错误的新算法解决方案。我们的数值结果显示了所提出机制在嘈杂的通信环境下弥补语言不匹配的潜力，从而提高了可靠通信的可达性。

Jan, 2024