SensorLM 文章总结与核心翻译一、主要内容总结SensorLM 是一套传感器-语言基础模型，核心目标是通过自然语言实现可穿戴传感器数据的理解与解读。文章提出分层式字幕生成流水线，从传感器数据中提取统计、结构和语义信息，构建了包含103,000余人、5970万小时数据的大规模传感器-语言数据集。该模型整合对比学习与生成学习目标，兼容CLIP、CoCa等多模态架构，在零样本识别、少样本学习、跨模态检索等任务中表现优于现有方法，同时具备数据效率高、可扩展性强、能泛化到未见过的任务等特性，可应用于人体活动分析、健康监测等领域。二、核心创新点提出分层字幕生成流水线：从统计（均值、标准差等）、结构（趋势、峰值等）、语义（活动、睡眠、情绪等）三个维度捕捉传感器数据特征，解决了传感器-文本配对数据稀缺的问题。构建大规模传感器-语言数据集：规模达5970万小时、覆盖103,000余人，远超现有同类数据集，支持通用基础模型训练。设计通用预训练框架：整合对比损失（L c o n L_{con}