Large and Small Model Collaboration for Air Interface

doi:10.1109/twc.2026.3726599

Large and Small Model Collaboration for Air Interface

2026-08-31

0

PRE

AI

DOI：10.1109/twc.2026.3726599

原文链接

原文求助

摘要

En 中文

大型人工智能模型（LAMs）在无线通信中展现出强大能力，但现有研究主要依赖其跨环境泛化知识，而忽视了环境特定适应性带来的潜在增益。直接微调LAMs以实现适应性往往因高昂的训练成本、多用户场景下的低推理效率、灾难性遗忘风险以及模型参数有限的可访问性而不可行。为解决这些限制，我们建立了一个空口协作框架。在该框架中，与仅依赖LAMs或需要直接微调的先前方法不同，LAMs被用作通用信道知识库，而小型人工智能模型（SAMs）则作为轻量级插件捕获环境特定知识，从而促进LAMs的高效环境特定适应性。随后，我们将该框架实例化为CSI反馈任务，并开发了一个用于CSI反馈的大型与小模型协作框架，称为LASCO。LASCO通过让基础LAM生成初始CSI重建，通过参考SAM和代理SAM学习环境引起的重建偏移，并将此偏移转移回LAM。为进一步提升适应性，我们引入了弹性LASCO（E-LASCO），其通过可学习的协作系数增强LASCO，以控制LAMs和SAMs在不同环境中的贡献。数值结果表明，LASCO和E-LASCO使LAMs能够在显著降低训练成本、减少数据收集需求以及加快适应速度的同时，实现环境特定的性能增益。

Keyword:

CSI feedback

LAM

SAM

model collaboration

environment-specific adaptation

Large and Small Model Collaboration for Air Interface

摘要

期刊

机构

引用论文