WirelessGPT：面向无线通信的多任务预训练基础模型

传统的无线AI技术依赖于任务专用模型，面临泛化性不足、标注数据稀缺及多任务协同效率低等挑战。为了解决上述问题，鹏城实验室杨婷婷教授团队研发了首个面向无线通信与感知一体化（ISAC）的基础模型“WirelessGPT”。该模型通过大规模无监督预训练，生成跨时空频域的通用信道表征，显著降低下游任务的调优成本。实验结果表明：该模型在信道估计、动态信道预测及人类活动识别等任务中全面超越现有方法，并在低信噪比（SNR）场景下展现鲁棒性。这一研究展示了无线领域专属大模型WirelessGPT的高效性与可扩展性，为下一代6G网络智能化提供了新范式。（本推文内容由论文作者提供）

WirelessGPT: A Generative Pre-trained Multi-task Learning Framework for Wireless Communication

Tingting Yang, Ping Zhang, Mengfan Zheng, Yuxuan Shi, Liwen Jing, Jianbo Huang, and Nan Li

Pengcheng Laboratory, Shenzhen, China

鹏城实验室，深圳，中国

原文链接：

https://arxiv.org/abs/2502.06877

该分享仅用于技术交流，未经许可禁止用于商业用途。

一、背景与动机

随着6G网络向通信与感知一体化（ISAC）方向演进，无线系统需同时支持信道建模、信道预测、环境重建及目标跟踪等多样化