SensorFM: Perustamallin käyttö puettaviin laitteisiin – koulutettu biljoonalla minuutilla dataa

Google Research on esitellyt SensorFM:n, suuren antureiden perusmallin, joka on esikoulutettu yli biljoonan minuutin monimuotoisilla anturisignaaleilla viideltä miljoonalta suostuneelta osallistujalta. Malli oppii itseohjautuvalla rekonstruktiolla LSM-2-menetelmän ja Adaptive and Inherited Masking (AIM) -kehyksen avulla, käsitellen reaalimaailman puuttuvaa dataa luonnollisena artefaktina. Skaalauskokeet osoittavat, että sekä datan että mallin koon kasvattaminen tuottaa lähes lineaarista parannusta esikoulutushäviössä ja suorituskyvyssä, ja suurin malli (SensorFM-B) voittaa 33 tehtävässä 35:stä. Arvioituna 35 terveystehtävässä kolmesta riippumattomasta tutkimuksesta SensorFM:n jäädytetyt piirteet ylittävät valvotut perustasot, ja agenttimainen LLM-agenttien ”luokkahuone” suunnittelee automaattisesti ennustepäitä, jotka päihittävät lineaariset luotaimet useimmissa tehtävissä. Integroituna henkilökohtaiseen terveysagenttiin SensorFM:n ennusteet parantavat terveysyhteenvedon laatua merkittävästi perustasoon verrattuna, eikä tilastollisesti merkitsevää eroa havaita todellisten mittausten käyttöön verrattuna.