无线基础模型预训练引入配置信息

2026年10月26日，arXiv Artificial Intelligence 刊出 Shrihari Vasudevan 等作者的论文，提出将信道配置（CFG）信息引入无线基础模型（RFM）预训练。研究称，由此生成的 CFG 增强嵌入在标签稀缺的下游任务中可充当有效的归纳先验。作者在 LoS/NLoS 分类、定时提前（TA）估计和波束选择三类任务上验证该方法，结果显示在分布内与分布外配置场景中，其表现均持续优于或可比于原始信道 token 及多个基线模型。目前进展停留在论文报告的方法与实验结果层面，报道未提及该方法的开源、部署或后续应用计划。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。