通用模型做人体活动识别的特征局限
原文标题：More Features Are Not More Evidence: Limits of Training-Free Human Activity Recognition with Jev
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文用固定通用概率决策模型 Jev，在 WISDM、UCI341、PAMAP2 三个数据集的 1800 个平衡加速度窗口上测试免训练人体活动识别。Jev 最强表征的 macro-F1 仅 0.038-0.118，远低于监督模型的 0.686-0.907；增加数值特征反而降低识别率，概率校准也不可靠。作者认为传感器到模型的接口应被视为模型评估的一部分。
- 问题
- 通用概率模型能否免训练直接做人体活动识别，替代有监督分类器。
- 方法
- 用固定通用概率决策模型 Jev 在三个数据集 1800 个平衡加速度窗口上测试，对比三种确定性传感器表征与有监督模型。
- 结果
- Jev 最强表征 macro-F1 仅 0.038-0.118，远低于有监督模型的 0.686-0.907；增加数值特征反而全面降低识别率。
- 影响
- 提醒做传感器端 AI 的团队，通用模型目前无法替代 HAR 分类器，传感器到模型的接口设计本身就是评估的一部分。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。