本研究提出了一种新框架，通过语言模型预测MIMO-OFDM系统的信道状态信息（CSI），结合现实环境信息，实验结果表明该方法有效，为无线网络管理创新策略提供基础。

本研究利用信号处理原理，提出一种结合无线系统领域知识的递归神经网络（RNN）方法，大幅提升MIMO-OFDM符号检测性能，为下一代系统的神经网络设计奠定基础。

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。