基于人工智能的接收机在高噪声环境中表现出更佳的性能，并且与传统接收机相比，可以降低通信开销。然而，它们的性能在很大程度上取决于训练数据的代表性。本文旨在解决训练数据是否涵盖所有测试环境和波形配置，以及训练后的模型在实际环境中是否表现稳健等不确定性问题。为此，我们提出了一种用于基于人工智能的收发器的部署后联合测量-恢复框架，称为VERITAS。VERITAS持续检测接收信号分布的变化并触发有限重训练。VERITAS使用5G导频监测无线信道，并使用辅助神经网络检测分布外的信道配置文件、发射机速率和延迟扩展。当检测到此类变化时，传统（参考）接收机将与基于人工智能的接收机并行运行一段时间。最后，VERITAS比较基于人工智能和参考接收机对相同接收数据输入的比特概率，以确定是否启动重训练过程。
