AI2MMUM：面向人工智能-人工智能的多模态通用模型，基于电信领域大模型
机器学习
2025-05-16 v1 信号处理
摘要
设计能够处理多模态数据并执行多样化空中接口任务的 6G 导向通用模型，已成为未来无线系统中的共同目标。基于我们在通信多模态对齐和电信大语言模型（LLM）方面的 prior work，本文提出了一种可扩展、任务感知的人工智能-空中接口多模态通用模型（AI2MMUM），其灵活性和有效性能够根据细微的任务指令执行各种物理层任务。LLM 主干网络提供稳健的上下文理解和泛化能力，而采用微调方法以纳入领域特定知识。为增强任务适应性，任务指令包括固定任务关键词和可学习的、隐式前缀提示。冻结无线电模态编码器提取通用表征，随后通过适配器层桥接无线电和语言模态。此外，设计轻量级任务特定头部以直接输出任务目标。综合评估表明，AI2MMUM 在使用 WAIR-D 和 DeepMIMO 数据集进行五个典型物理环境/无线信道基下的下游任务评估时，实现了 SOTA 水平。
引用
@article{arxiv.2505.10003,
title = {AI2MMUM: AI-AI Oriented Multi-Modal Universal Model Leveraging Telecom Domain Large Model},
author = {Tianyu Jiao and Zhuoran Xiao and Yihang Huang and Chenhui Ye and Yijia Feng and Liyu Cai and Jiang Chang and Fangkun Liu and Yin Xu and Dazhi He and Yunfeng Guan and Wenjun Zhang},
journal= {arXiv preprint arXiv:2505.10003},
year = {2025}
}