यह पत्र गतिशील चैनल वातावरण में WiFi 7 में प्रयुक्त बाइनरी एक्सपोनेंशियल बैकऑफ़ तकनीक की निम्न थ्रूपुट समस्या के समाधान हेतु ट्रांसफ़ॉर्मर-आधारित इन-कॉन्टेक्स्ट लर्निंग (ICL) का उपयोग करते हुए एक चैनल एक्सेस ऑप्टिमाइज़ेशन विधि प्रस्तावित करता है। निश्चित नोड घनत्व मानने वाले मौजूदा मॉडल-आधारित दृष्टिकोणों के विपरीत, यह पत्र टकराव सीमा डेटा को प्रशिक्षण डेटा के रूप में उपयोग करता है, जिससे ट्रांसफ़ॉर्मर मॉडल टकराव पैटर्न सीख सकता है और इष्टतम विवाद विंडो सीमा (CWT) का पूर्वानुमान लगा सकता है। हम कुशल ICL लर्निंग के लिए एक एल्गोरिथम प्रस्तुत करते हैं और सीमित प्रशिक्षण समय के भीतर इष्टतम CWT पूर्वानुमान की गारंटी देते हैं। इसके अलावा, वास्तविक दुनिया के वातावरण में पूर्ण डेटा प्राप्त करने की कठिनाई को ध्यान में रखते हुए, हम त्रुटिपूर्ण डेटा इनपुट के साथ भी प्रदर्शन बनाए रखने के लिए विधि का विस्तार करते हैं और प्रदर्शित करते हैं कि यह इष्टतम मान से पूर्वानुमान और थ्रूपुट विचलन को न्यूनतम करता है। NS-3 पर प्रायोगिक परिणाम दर्शाते हैं कि प्रस्तावित विधि मौजूदा मॉडल-आधारित और DRL-आधारित दृष्टिकोणों की तुलना में तेज़ अभिसरण और लगभग इष्टतम थ्रूपुट प्राप्त करती है।
