Bài báo này đề xuất, lần đầu tiên, một lý thuyết học tập dựa trên ngữ cảnh (ICL) sử dụng một bộ chuyển đổi dựa trên LLM để giải quyết vấn đề hiệu suất thông lượng thấp trong môi trường kênh động với lược đồ lùi mũ nhị phân được sử dụng trong WiFi 7. Để giải quyết vấn đề mất thông lượng cao do các giả định mật độ nút cố định của các phương pháp dựa trên mô hình hiện có (ví dụ: CSMA không bền và p-bền), chúng tôi thiết kế một trình tối ưu hóa ICL dựa trên bộ chuyển đổi tạo ra các ngưỡng cửa sổ va chạm dự đoán (CWT) bằng cách sử dụng dữ liệu ngưỡng va chạm và các trường hợp va chạm truy vấn làm lời nhắc đầu vào cho bộ chuyển đổi. Chúng tôi phát triển một thuật toán hiệu quả đảm bảo các dự đoán CWT gần tối ưu trong thời gian đào tạo hạn chế. Xem xét đến khó khăn trong việc thu thập dữ liệu hoàn hảo trong môi trường thế giới thực, chúng tôi trình bày một mô hình mở rộng cho phép nhập dữ liệu sai. Kết quả mô phỏng NS-3 chứng minh rằng phương pháp của chúng tôi đạt được sự hội tụ nhanh hơn và thông lượng gần tối ưu so với các phương pháp dựa trên mô hình và dựa trên DRL hiện có.
