空气中的世界感知与理解：面向移动网络的大型多模态模型
网络与互联网体系结构
2025-12-01 v1 人工智能
摘要
大规模模型（LMs），如 ChatGPT，已在 diverse 领域产生重大影响，并具有推动网络智能演进的巨大潜力。无线本土多模态大模型（WMLMs）可以通过多模态数据感知和理解物理世界，作为将通信、感知与智能集成的关键使能者，从而提升面向数十亿用户的各种智能服务。然而，WMLMs 的研究仍处于早期阶段，针对无线网络构建领域特定的多模态大模型仍受到较少关注。本文概述了 WMLMs 的关键特征，并总结了现有方法，基于此提出了一种无线本土多模态训练范式。具体而言，我们构建了一个类 GPT 的 WMLM 模型，并在真实世界的大规模数据集上进行训练，利用无线信号作为对比学习的锚模态。我们的方法在与现有小规模模型和大型多模态模型相比时表现出卓越的性能，验证了将无线信号作为通用模态的可行性，并彰显了 WMLM 作为未来无线网络新范式的潜力。
引用
@article{arxiv.2511.21707,
title = {Sensing and Understanding the World over Air: A Large Multimodal Model for Mobile Networks},
author = {Zhuoran Duan and Yuhao Wei and Guoshun Nan and Zijun Wang and Yan Yan and Lihua Xiong and Yuhan Ran and Ji Zhang and Jian Li and Qimei Cui and Xiaofeng Tao and Tony Q. S. Quek},
journal= {arXiv preprint arXiv:2511.21707},
year = {2025}
}