PReD：面向电磁感知、识别与决策的基于 LLM 的多模态基础模型
人工智能
2026-04-02 v2
摘要
多模态大语言模型在通用领域已展现出强大的跨模态理解与推理能力，但在电磁 (EM) 领域仍面临数据稀缺和领域知识融合不足等挑战。本文提出 PReD，是首个覆盖“感知、识别、决策”完整闭环的 EM 领域基础模型。我们构建了高质量的多任务 EM 数据集 PReD-1.3M 及其评估基准 PReD-Bench。数据集涵盖多视角表征，包括原始时域波形、频域时频图和星座图，覆盖通信与雷达信号的典型特征，支持信号检测、调制识别、参数估计、协议识别、射频指纹识别及抗干扰决策等核心任务。PReD 采用多阶段训练策略，实现多个 EM 信号任务的统一化。它实现从端到端信号理解到语言驱动的推理与决策的闭环优化，显著提升 EM 领域专业能力，同时保持通用多模态能力。实验结果表明，PReD 在由开源及自采信号数据构成的 PReD-Bench 上实现了最先进性能。这些结果整体上验证了视觉对齐基础模型在推动 EM 信号理解与推理方面的可行性与潜力。
引用
@article{arxiv.2603.28183,
title = {PReD: An LLM-based Foundation Multimodal Model for Electromagnetic Perception, Recognition, and Decision},
author = {Zehua Han and Jing Xiao and Yiqi Duan and Mengyu Xiang and Yuheng Ji and Xiaolong Zheng and Chenghanyu Zhang and Zhendong She and Junyu Shen and Dingwei Tan and Shichu Sun and Zhou Cong and Mingxuan Liu and Fengxiang Wang and Jinping Sun and Yangang Sun},
journal= {arXiv preprint arXiv:2603.28183},
year = {2026}
}