全球首个射频大模型RF GPT：开启无线通信智能感知新纪元
2026年，阿联酋哈利法大学邹航博士团队成功推出世界首款射频大模型RF GPT。该模型能直接解析无线信号，精确识别信号种类、技术标准（如5G、蓝牙、WiFi）、干扰状况及用户数量。
相较于传统纯文本大模型无法理解无线信号，RF GPT实现了对真实通信环境的深度感知，为6G AI原生通信奠定技术基础。
图 | 邹航（来源：受访者）
研发初衷：赋予大模型"无线视觉"
邹航表示，6G通信愿景之一是实现AI原生通信，但现有纯文本大模型完全无法感知核心研究对象——无线信号。"若大模型在决策时仅依赖日志而无法直观察看信号，如同闭眼驾驶汽车"，团队核心目标是让大模型"睁开眼睛"，实现对无线环境的真实感知与管理。
（来源：https://arxiv.org/pdf/2602.14833）
创新应用场景
在家庭场景，用户可通过手机App快速诊断WiFi拥堵，自动识别相邻网络干扰并切换信道；在城市管理层面，RF GPT可实时监控数万基站信号分布，自主优化频谱分配，降低干扰。更关键的是，在6G通感一体化时代，该模型能将雷达回波信号转化为"200米处有行人"等可读信息，实现通信与环境感知融合。
邹航强调，未来RF GPT将成为频谱监管助手、6G网络认知大脑及空口安全分析专家，"最终实现用自然语言直接管理无线空间"。
（来源：https://arxiv.org/pdf/2602.14833）
技术实现：合成数据突破训练瓶颈
针对真实无线数据获取难、标注成本高等问题，团队采用MATLAB标准通信工具箱生成6种主流技术信号（5G NR、4G LTE、3G UMTS、WiFi、蓝牙及卫星通信），通过参数化控制调制方式、信噪比等要素，自动构建62.5万训练数据集。
创新性地采用时频谱方案，将信号参数转化为问答对，仅用12,000个场景即完成训练。"看似复杂的难题，往往以最简洁方法破局"，邹航指出该方案实现了数据合成到模型训练的端到端自动化。
（来源：https://arxiv.org/pdf/2602.14833）
性能验证：多维任务显著领先
在五类递进任务中，RF GPT均大幅超越传统模型：调制分类准确率超80%；信号重叠检测达70%-90%；5G NR关键参数提取准确率超70%（普通模型仅20%）；WiFi用户数估计精度提升数倍；无线技术识别准确率高达99.6%。即便在添加载波频偏、多径衰落等干扰后，模型仍保持出色鲁棒性。
未来路径：推动真实环境部署
下一步将与运营商合作构建高质量数据集，优先采用Sionna及OpenAir Interface等仿真平台过渡，目标实现RF GPT在真实无线环境中的感知、理解与控制闭环，加速6G通信技术落地。 
（来源：https://arxiv.org/pdf/2602.14833）