Minimizing Quantized Semantic Age of Information (QSAoI) in Foundation Model-Based Semantic Communications

📄 arXiv: 2606.31303v1 📥 PDF

作者: Huanyu Zhang, Yulin Hu, Xiaopeng Yuan, Aydin Sezgin, Anke Schmeink

分类: eess.SP, cs.AI

发布日期: 2026-06-30

备注: Accepted to IEEE SPAWC 2026

💡 一句话要点

提出量化语义信息年龄(QSAoI)以优化6G语义通信资源分配

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 量化语义信息年龄 语义通信 边缘计算 资源分配 低延迟 有限块长度 高效算法

📋 核心要点

  1. 现有方法在低延迟有限块长度环境下，语义层与物理层之间存在显著的性能差距，影响了短包传输的效率。
  2. 本文提出量化语义信息年龄(QSAoI)作为新指标，设计了一种基础模型驱动的框架，以优化无线信道中的资源分配。
  3. 通过大量仿真实验，验证了所提算法在不同信道条件下动态调整量化精度，显著降低了期望QSAoI，相较于基线方法有明显提升。

📝 摘要（中文）

随着6G网络中语义通信和边缘计算技术的兴起，短包传输的资源分配需要进行语义感知和自适应的共同设计。然而，在低延迟有限块长度(FBL)效应下，语义层与物理层之间存在根本性差距。为此，本文引入了量化语义信息年龄(QSAoI)这一新颖指标，严格捕捉实时通信中高层特征的新鲜度与语义效率之间的权衡。基于该指标，我们提出了一种新型的基础模型驱动的高效共同设计框架，以最小化延迟受限的语义通信中无线衰落信道的期望QSAoI。具体而言，我们将问题表述为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。通过高效低复杂度算法的开发，我们的模拟结果验证了该算法能够根据变化的信道条件动态调整语义量化精度，有效降低期望QSAoI。

🔬 方法详解

问题定义：本文旨在解决在低延迟有限块长度(FBL)环境下，语义通信中语义层与物理层之间的性能差距问题。现有方法未能有效处理高层特征的新鲜度与语义效率之间的权衡，导致资源利用不充分。

核心思路：论文引入量化语义信息年龄(QSAoI)作为新指标，旨在通过动态优化块级混合精度量化(MPQ)策略和物理块长度，来最小化期望QSAoI，从而提升语义通信的效率。

技术框架：整体框架包括三个主要模块：首先是量化语义信息年龄(QSAoI)的计算，其次是基于该指标的非线性联合优化问题的建立，最后是高效低复杂度算法的实现，以动态调整量化精度和物理块长度。

关键创新：最重要的技术创新在于提出了量化语义信息年龄(QSAoI)这一新颖指标，并基于此设计了高效的共同优化框架，显著提升了在无线衰落信道中的资源分配效率。与现有方法相比，该框架能够更好地适应信道条件变化。

关键设计：在算法设计中，采用了固定点检查和二分搜索的方法，以实现低复杂度的动态优化。同时，针对块级混合精度量化策略的参数设置进行了详细探讨，以确保在不同信道条件下的适应性和效率。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，所提算法在动态信道条件下能够有效调整语义量化精度，显著降低期望QSAoI。与基线方法相比，期望QSAoI的降低幅度达到了XX%，验证了算法的有效性和优越性。

🎯 应用场景

该研究的潜在应用领域包括6G网络中的实时语义通信、边缘计算和物联网等场景。通过优化资源分配，能够提升短包传输的效率，降低延迟，从而在智能交通、远程医疗和智能制造等领域发挥重要作用，推动相关技术的实际应用与发展。

📄 摘要（原文）

The emerging techniques of semantic communications and edge computing in 6G networks necessitate a paradigm shift toward co-designed semantic-aware and adaptive resource allocation for short-packet transmissions. However, there is a fundamental gap between the semantic layer and the physical layer under low-latency finite blocklength (FBL) effects. To bridge this gap, we introduce the Quantized Semantic Age of Information (QSAoI), a novel metric that rigorously captures the trade-offs among freshness and semantic efficiency of high-level features in real-time communication in the FBL regime. Guided by this metric, we propose a novel foundation model-based efficient co-designed framework to minimize the expected QSAoI over wireless fading channels in latency-constrained semantic communication. Specifically, we formulate a non-linear joint optimization problem to dynamically optimize the block-wise mixed-precision quantization (MPQ) strategy and the physical blocklength. To efficiently resolve this complex problem, we develop a high-efficiency low-complexity algorithm based on fixpoint inspection and bisection search. Extensive simulations validate that our proposed algorithm dynamically adapts the semantic quantization precision to varying channel conditions, effectively minimizing the expected QSAoI compared to baselines.