2026年8月5日 · MultiPathFormer
MultiPathFormer: Towards a Foundation Model for Multipath Wireless Propagation
MultiPathFormer 是一个自回归无线传播基础模型，将每个发射-接收链路表示为连续值路径令牌的有序序列，并通过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，利用环境知识将延迟和功率等路径统计估计提升最多 59%。该模型在 27 个环境上预训练，可迁移到未见用户，并在场景特定微调后优于从零训练。
EVENT STORY
发展脉络
- 首次出现MultiPathFormer: Towards a Foundation Model for Multipath Wireless PropagationarXiv cs.AI
- 当前判断无线基础模型正从通用预训练转向物理感知设计，多径路径作为预训练对象可能提升模型在真实传播环境中的实用性。该方向若成熟，可能影响 6G 和智能反射面等领域的研发路线。Agent Pulse · 分析
MultiPathFormer 提出以多径传播作为无线基础模型的预训练对象，替代传统的基于子载波、天线或时间的掩码重建。模型将链路表示为路径令牌序列，采用自回归下一路径预测，并引入环境 RAG 和首路径码本。在 27 个环境预训练后，模型可迁移至未见用户，微调后在新环境中优于从零训练，并在下游任务中超越现有最优方法。
该工作将无线信道建模从张量重建转向路径级自回归生成，可能改变信道估计和波束预测的范式。环境 RAG 机制表明检索增强在物理层信号处理中的潜力，但需验证其在不同频段和场景下的泛化性。
无线基础模型正从通用预训练转向物理感知设计，多径路径作为预训练对象可能提升模型在真实传播环境中的实用性。该方向若成熟，可能影响 6G 和智能反射面等领域的研发路线。
对无线通信设备商和运营商，该模型可能降低信道测量成本并提升波束管理效率，但商业化需解决实时推理和硬件适配问题。对芯片厂商，可能催生面向无线基础模型的专用加速需求。
后续可关注 MultiPathFormer 在更大规模数据集和实时部署中的表现，以及环境 RAG 对动态场景的适应性。若开源代码和预训练权重发布，将加速社区验证和迭代。