11:47官方账号arXiv cs.LG@Blessed Guda, Kayley Sze, Carlee Joe-WongMultiPathFormer将每个收发链路表示为连续路径令牌的有序序列,采用自回归下一路径预测进行预训练。它引入环境RAG机制和首路径码本,使时延和功率等路径统计估计提升最高59%。模型在27个环境中预训练,可迁移到未见用户,经场景微调后在新环境中优于从零训练。在下游任务中,MultiPathFormer实现5.57米平均定位误差、0.914前3波束准确率、0.994视距分类准确率和0.561信道估计NMSE,全面超越现有基于信道的模型。AI模型MultiPathFormer无线基础模型RAG推荐理由:想做无线信道估计或波束预测的可以看看,它用路径预测代替传统掩码重建,环境RAG让延迟估计直接涨59%,效果比现有模型好。原文稍后读已读值得跟进有用关注 MultiPathFormer