本研究探讨了将人工智能与无线系统集成的挑战，提出了一种新的MLOps方法，结合强化学习、联邦学习和生成性AI操作，以应对未来无线网络的复杂性，推动人工智能原生6G网络的部署。

本文提出了一种数据驱动的持续学习方法，旨在优化无线系统的学习模型，以适应动态环境并保持高性能。研究还介绍了利用强化学习优化功率控制和速率自适应的新框架，显著降低功耗并实现公平的功率控制。比较了深度强化学习和贝叶斯优化的效果，表明数据驱动技术在无线网络优化中具有优势。