arXiv · cs.AI· Xiangqing Lu, Tao Zhu, Mingxing Nie, Liming Chen·· 11 小时前
CHEAR通过混淆层级证据感知推理提升可穿戴人体活动识别效率
CHEAR: Confusion-Hierarchy Evidence-Aware Reasoning for Cost-Efficient Human Activity Recognition
arXiv:2610.15298v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xiangqing Lu, Tao Zhu, Mingxing Nie, Liming Chen
研究任务与主要进展
CHEAR由Xiangqing Lu、Tao Zhu、Mingxing Nie和Liming Chen提出，用于降低可穿戴传感器人体活动识别中的在线LLM成本。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org