본 논문은 스펙트럼 자원 부족과 무선 기기의 급증으로 인해 효율적인 무선 네트워크 관리가 중요해짐에 따라, 심층 학습 기반의 인지 무선 기술(CRT)에 초점을 맞추고 있습니다. 기존의 심층 학습 기반 CRT 프레임워크는 특정 작업에 국한되고 다양한 실제 응용 프로그램에서 확장성이 부족하다는 한계를 지니고 있습니다. 이러한 한계를 극복하기 위해, 본 논문에서는 대규모 언어 모델(LLM)의 우수한 도메인 일반화 능력을 활용하여 RadioLLM이라는 새로운 프레임워크를 제안합니다. RadioLLM은 하이브리드 프롬프트 및 토큰 재프로그래밍(HPTR)을 통합하여 무선 신호 특징과 전문 지식을 결합하고, 주파수 조정 융합(FAF) 모듈을 통해 고주파 특징 모델링을 향상시킵니다. 다양한 벤치마크 데이터셋에 대한 광범위한 평가 결과, RadioLLM은 대부분의 시험 시나리오에서 기존 기준 모델보다 우수한 성능을 달성하는 것으로 나타났습니다.
