本文介绍了一种低开销、拥塞感知的分布式任务卸载方案，通过基于图的机器学习解决无线多跳网络中的网络拥塞问题。该方案通过最短路径路由和基于争用的链路调度的资源分配方案，减少了拥塞和不稳定队列，并提高了本地计算的执行延迟。

本文提出了一种低开销的基于IEFSF的少样本CSI反馈框架，通过合并和外推处理形成低维特征向量的CSI矩阵，并利用领域知识和生成模型实现了少样本CSI反馈。实验结果表明，该框架在几百个样本的情况下能够将CSI反馈开销降低16倍且保持较高的准确性。