CSI-Agent：以证据、确定性核验和受限执行适配无线感知

Wi-Fi信道状态信息（CSI）已支持人体活动识别等无需佩戴设备的感知应用。然而，在跨域部署中，用户或环境变化可能导致错误预测，CSI感知模型仍很脆弱。现有方法通常把这一问题当作离线模型设计任务：预训练更强表示，或对整个目标域采用固定适配方式。在实践中，目标域标注稀少，同一分布迁移下不同类别还可能以不同方式失效。我们提出CSI-Agent，一个寻找证据的LLM Agent，将跨域CSI适配重新表述为部署时决策问题。CSI-Agent不处理原始CSI，也不进行样本级预测，而是把目标域行为归纳为具有感知依据的类别级证据。它从互补CSI视角建立强目标适配默认方案，再用LLM规划器决定每个类别是保留默认方案还是调用专用动作。确定性验证与受限执行进一步减少不可靠干预。我们在四个公共数据集上，以覆盖设备、用户、环境和组合迁移的五种跨域划分评估CSI-Agent。在一样本适配条件下，它在全部划分中获得最佳目标域表现，相对于最强基线平均Macro-F1提高约16%。