配置增强的无线基础模型预训练

论文称将信道配置信息加入 RFM 预训练可提升标签稀缺下的下游任务表现。

资讯摘要

该论文提出在无线基础模型（RFM）预训练中引入信道配置（CFG）信息，并称由此得到的配置增强嵌入在标签稀缺的下游任务中可作为有效的归纳先验。作者在三种数据条件下，针对视距/非视距分类、定时提前（TA）估计和波束选择任务，将所提嵌入与原始信道 token 及多个基线模型比较，并在分布内与分布外配置场景下评估。论文报告称，所提嵌入在已见与未见配置场景中均优于或与基线相当。

要点速读

1. 论文将信道配置（CFG）信息纳入无线基础模型（RFM）预训练，生成配置增强嵌入。
2. 评估任务包括 LoS/NLoS 分类、定时提前（TA）估计和波束选择，覆盖三种数据条件。
3. 作者报告在分布内与分布外配置场景下，所提嵌入优于或与基线相当。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。