ABSTRACT
摘要
该预印本关注轻量级 SensorLLM 类模型的一种典型问题:动态活动仍较容易识别,但站立、坐姿和躺卧等低运动静态姿态的区分能力明显下降。论文提出轻量级重力感知分层路由头,利用 tokenizer 状态中的统计特征在静态专家与全量专家之间进行软路由。在 MHealth 数据集上,该方法主要提升静态类别的 macro-F1,同时以较小参数开销保持动态活动的识别性能。
Gravity-Aware Hierarchical Routing for Lightweight SensorLLM on Human Activity Recognition
arXiv preprint, arXiv:2606.04019(2026)
ABSTRACT
该预印本关注轻量级 SensorLLM 类模型的一种典型问题:动态活动仍较容易识别,但站立、坐姿和躺卧等低运动静态姿态的区分能力明显下降。论文提出轻量级重力感知分层路由头,利用 tokenizer 状态中的统计特征在静态专家与全量专家之间进行软路由。在 MHealth 数据集上,该方法主要提升静态类别的 macro-F1,同时以较小参数开销保持动态活动的识别性能。