迈向 CSI-Native 基础模型：6G 信道自适应路线图

无线基础模型为第六代 (6G) 系统提供了一条实现可重用信道状态信息 (CSI) 智能的途径。然而，现有的通用骨干自适应和 CSI 预训练方法通常将 CSI 视为任务张量而不是传播条件信道响应，从而无法捕获无线环境的固有时频空间几何形状。本文提出了面向 CSI 原生基础模型的通道自适应路线图，提出了一个统一的框架，将预训练、位置建模和注意力控制与三个通道要求保持一致：尺度感知异构暴露、物理时频天线坐标和相关性限制词元交互。大量实验证明了所提出的框架在三个维度上的优越性：零样本泛化，在空间-时间-频率任务中将 NMSE 降低超过 4 dB；尺度外推，在 8 倍未见的天线缩放下产生高达 5.4 dB 的增益；和推理效率，将移动感知处理速度提高高达 18.8%。 Sionna SYS 的系统级评估进一步表明，所提出的框架仅使用 7.01% 的密集导频开销，平均 NMSE 达到 -18.64 dB，平均净频谱效率比密集 LMMSE 提高 36.6%，比 WiFo 提高 15.5%，这表明 CSI 原生表示学习可以支持导频高效无线电接入。