WirelessGPT：面向无线通信的生成式预训练多任务学习框架
机器学习
2025-02-12 v1
摘要
本文介绍WirelessGPT，这是一种专为无线通信和感知设计的开创性基础模型。具体而言，WirelessGPT利用大规模无线信道数据集进行无监督预训练，提取通用信道表示，这些表示捕捉了复杂的时空依赖关系。事实上，这种任务无关的设计使WirelessGPT能够无缝适应广泛的下游任务，使用统一的表示并进行最小微调。在整合通信和感知功能方面，WirelessGPT解决了任务特定模型的局限性，提供了可扩展且高效的集成感知与通信（ISAC）解决方案。虽然初始参数规模约为8000万，但WirelessGPT在常规方法和更小的AI模型之上显著提升，减少了对大规模标记数据的依赖。作为首个能够支持不同领域各种任务的基础模型，WirelessGPT树立了新的基准，为未来在多任务无线系统中的进步铺平了道路。
引用
@article{arxiv.2502.06877,
title = {WirelessGPT: A Generative Pre-trained Multi-task Learning Framework for Wireless Communication},
author = {Tingting Yang and Ping Zhang and Mengfan Zheng and Yuxuan Shi and Liwen Jing and Jianbo Huang and Nan Li},
journal= {arXiv preprint arXiv:2502.06877},
year = {2025}
}
备注
8 pages, 4 figures