基于基础模型的语义通信中量化语义信息年龄（QSAoI）的最小化

6G 网络中新兴的语义通信和边缘计算技术需要向协同设计的语义感知和自适应资源分配范式转变，以适应短包传输。然而，在低延迟有限块长度（FBL）效应下，语义层和物理层之间存在根本差距。为弥合这一差距，我们引入了量化语义信息年龄（QSAoI），这是一种新颖的度量，严格捕捉了 FBL 机制下实时通信中高层特征的新鲜度和语义效率之间的权衡。在此度量的指导下，我们提出了一种新颖的基于基础模型的高效协同设计框架，以最小化延迟受限语义通信中无线衰落信道上的预期 QSAoI。具体来说，我们制定了一个非线性联合优化问题，以动态优化块级混合精度量化（MPQ）策略和物理块长度。为有效解决这一复杂问题，我们开发了一种基于不动点检查和二分搜索的高效低复杂度算法。大量模拟验证了我们提出的算法能够动态调整语义量化精度以适应变化的信道条件，与基线相比有效最小化了预期 QSAoI。