arXiv · cs.AI· Shrihari Vasudevan·· 3 天前AI 评分10
超越信道数据：配置增强的 Radio Foundation Model
Beyond Channel Data: Configuration-Enriched Radio Foundation Models
来源与原文
arXiv · cs.AI
作者：Shrihari Vasudevan
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.32542v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
该论文提出在 Radio Foundation Model（RFM）预训练中融入信道配置（CFG）信息，所得嵌入在标签稀缺场景下可作为下游任务的有效归纳先验。研究在 LoS/NLoS 分类、TA 估计和波束选择任务上，于同分布与分布外配置两种设定下对比原始信道 token 与多个基线模型，结果表明所提嵌入在不同数据配置场景中持续优于或持平于基线。
来源：arXiv · cs.AI · arxiv.org