arXiv · cs.AI· Ahmed Aboulfotouh, Akram Bin Sediq, Koosha Pourtahmasi Roshandeh, Omar Mashaal, Ahmad M. Nagib, Jale Sadreddini, Hatem Abou-Zeid·· 4 小时前
RRM-GPT：面向无线资源管理基础模型的自回归框架与愿景
RRM-GPT: A Framework and Vision for Radio Resource Management Foundation Models
arXiv:2610.04296v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ahmed Aboulfotouh, Akram Bin Sediq, Koosha Pourtahmasi Roshandeh, Omar Mashaal, Ahmad M. Nagib, Jale Sadreddini, Hatem Abou-Zeid
研究任务与主要进展
Ahmed Aboulfotouh等人提出RRM-GPT，一种将异构网络观测编码为统一Token、并逐字段生成相互依赖的无线资源管理决策的自回归基础模型框架。模型先利用未标注网络日志进行预训练，再通过模仿学习或强化学习适配部署特定的运营商目标。基于论文摘要，5G NR案例中，同一模型生成了涵盖用户选择、时机、链路自适应、资源分配和控制信令的完整调度授权，并在无需适配的情况下迁移到未见场景。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org