RFPrompt：大規模ワイヤレスモデルを変調分類に適用するためのプロンプトベースの専門家適応
arXiv cs.LG / 2026/5/6
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、ハードウェアの不具合、未知の伝搬環境、学習時に遭遇しなかった記録条件などに起因する分布シフトに対して頑健である必要がある、実運用での自動変調分類（AMC）を扱う。
- RFPromptとして、学習済みのワイヤレス基盤モデルのバックボーンを凍結したまま、学習可能なディープ・プロンプト・トークンを追加することで、事前学習で獲得した表現を上書きしにくいパラメータ効率の高い適応手法を提案する。
- この手法は、モジュール化された専門家（Mixture-of-Experts）のワイヤレス基盤モデルである Large Wireless Model（LWM）上で、標準設定とアウト・オブ・ディストリビューション（OOD）設定の両方の変調分類で検証される。
- 実験結果では、分布シフトや限られた教師ありデータ下での頑健性が一貫して向上し、とりわけ実際のオーバー・ジ・エア（OTA）IQデータで効果が大きいことが示される。
- まとめると、プロンプト学習は厳しい下流のRF環境に対してワイヤレス基盤モデルを適応させるための、実用的で効果的な戦略であることが示唆される。
