本研究提出了一种新颖的SANDWICH模型，旨在解决现有无线光线追踪方法在5G及以后的网络信号建模中的局限性。该模型将光线轨迹生成重新定义为序列决策问题，显著提高了光线追踪的准确性，并可在无实时环境监督下进行完全训练，优于现有在线学习技术。

本研究通过构建TextGym模拟器，比较了PPO代理和语言代理。通过实验和研究，初步评估了语言代理在序列决策问题中替代PPO代理的潜力。为语言代理的性能提供了新的认识，并为未来研究铺平了道路。