RAG-CSI
一种用于无线信道状态信息（CSI）预测的检索增强生成框架，通过构建全局—局部CSI知识库并结合联合状态—动态检索与交叉注意力Transformer预测器，实现跨场景的信道动态表征与预测。
时间轴 (近 90 天)
RAG-CSI 是一个基于检索增强生成（RAG）思路的 CSI 预测框架，核心是构建全局—局部 CSI 知识库。
RAG-CSI 使用联合状态—动态检索（JSDR），同时刻画信道状态相似性、相位动态与幅度动态来检索 CSI 序列。
RAG-CSI 的全局知识库收录跨场景的代表性观测，局部知识库来自当前服务场景的历史观测。
RAG-CSI 的预测器是 Transformer，通过交叉注意力机制将检索到的知识序列与当前 CSI 历史融合。
RAG-CSI 的交叉注意力融合方式只引入有限的额外模型参数。
论文在一个多场景 CSI 数据集上验证 RAG-CSI，在五项评估指标上相对各指标的最佳基线均有超过 10% 的整体提升。
RAG-CSI 在实验中归一化均方误差（NMSE）降低了 15.42%。
RAG-CSI 的局限包括全局知识库构建成本、跨场景迁移时检索质量的稳定性以及知识库规模增长后的检索效率，论文摘要未作展开。
全部知识事实 (8)
RAG-CSI 是一个基于检索增强生成（RAG）思路的 CSI 预测框架，核心是构建全局—局部 CSI 知识库。
50%待验证RAG-CSI 使用联合状态—动态检索（JSDR），同时刻画信道状态相似性、相位动态与幅度动态来检索 CSI 序列。
50%待验证RAG-CSI 的全局知识库收录跨场景的代表性观测，局部知识库来自当前服务场景的历史观测。
50%待验证RAG-CSI 的预测器是 Transformer，通过交叉注意力机制将检索到的知识序列与当前 CSI 历史融合。
50%待验证RAG-CSI 的交叉注意力融合方式只引入有限的额外模型参数。
50%待验证论文在一个多场景 CSI 数据集上验证 RAG-CSI，在五项评估指标上相对各指标的最佳基线均有超过 10% 的整体提升。
50%待验证RAG-CSI 在实验中归一化均方误差（NMSE）降低了 15.42%。
50%待验证RAG-CSI 的局限包括全局知识库构建成本、跨场景迁移时检索质量的稳定性以及知识库规模增长后的检索效率，论文摘要未作展开。
50%