北京大学电子学院程翔团队提出了基于预训练大语言模型的MIMO-OFDM信道预测方案LLM4CP，适用于TDD和FDD通信系统。研究团队构建了基于预训练GPT-2的信道预测神经网络，提高了大语言模型在信道预测中的能力和泛化能力。该方案在TDD和FDD信道预测任务上取得了最先进的性能，具有较低的训练和推理时间成本。该研究为大语言模型在无线通信物理层任务中的应用开辟了新的可能性。

本文研究了将非语言性特征转化为文本描述，并与口头文本结合，整合到基于文本的预训练大语言模型中。称此方法为TextMI，并在多个下游任务中进行了fine-tune，取得了令人满意的性能。建议将TextMI作为低资源环境下多模态行为分析任务的通用、有竞争力的基准。