Devices and methods of communication

Abstract

Embodiments of the present disclosure relate to devices and methods of communication. In one aspect, a network device may transmit a configuration for a measurement based on a set of RS resources to a terminal device. Based on the configuration, the terminal device may determine that a first measurement result is required for model management, and report the first measurement result to the network device. In this way, ambiguity on whether to adopt a beam report for model management of a NW-sided AI / ML model may be avoided.

Description

DEVICES AND METHODS OF COMMUNICATIONTECHNICAL FIELD

[0001] Embodiments of the present disclosure generally relate to the field of telecommunication, and in particular, to methods, devices and computer storage media of communication for an artificial intelligence (AI)  / machine learning (ML) model.BACKGROUND

[0002] For network (NW) sided AI / ML model, it has been discussed that data collection for NW sided AI / ML model may be transparent to user equipment (UE) , i.e., UE is not aware that a beam report is for AI / ML model inference at NW side. However, specific report content and measurement behaviors are agreed for providing suitable model inputs, even for NW sided AI / ML model.

[0003] For both NW sided and UE sided AI / ML model, it has been proved that good performance of AI / ML model inference is based on that a measurement result as a model input is measured with the best UE receiving (Rx) beam. However, it is still unclear how to implement such measurement with the best UE Rx beam.SUMMARY

[0004] In general, embodiments of the present disclosure provide methods, devices and computer storage media of communication for an AI / ML model.

[0005] In a first aspect, there is provided a terminal device. The terminal device comprises a processor configured to cause the terminal device to: receive, from a network device, a configuration for a measurement based on a set of reference signal (RS) resources; determine, based on the configuration, that a first measurement result is required for model management; and report, to the network device, the first measurement result indicating a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances, wherein the first number is unequal to the second number.

[0006] In a second aspect, there is provided a terminal device. The terminal device comprises a processor configured to cause the terminal device to: receive, from a network  device, a configuration indicating a prediction of information related to a first set of RS resources based on a second set of RS resources; determine a third measurement result based on third measurements within a third period of time for a RS resource in the second set of RS resources; and predict the information with the third measurement result as an input of a model.

[0007] In a third aspect, there is provided a network device. The network device comprises a processor configured to cause the network device to: transmit, to a terminal device, a configuration for a measurement based on a set of RS resources; and receive, from the terminal device, a first measurement result for model management, the first measurement result indicating a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances, wherein the first number is unequal to the second number.

[0008] In a fourth aspect, there is provided a method of communication. The method comprises: receiving, at a terminal device and from a network device, a configuration for a measurement based on a set of RS resources; determining, based on the configuration, that a first measurement result is required for model management; and reporting, to the network device, the first measurement result indicating a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances, wherein the first number is unequal to the second number.

[0009] In a fifth aspect, there is provided a method of communication. The method comprises: receiving, at a terminal device and from a network device, a configuration indicating a prediction of information related to a first set of RS resources based on a second set of RS resources; determining a third measurement result based on third measurements within a third period of time for a RS resource in the second set of RS resources; and predicting the information with the third measurement result as an input of a model.

[0010] In a sixth aspect, there is provided a method of communication. The method comprises: transmitting, at a network device and to a terminal device, a configuration for a measurement based on a set of RS resources; and receiving, from the terminal device, a first measurement result for model management, the first measurement result indicating a first number of RS resources associated with a set of largest measured values for a set of time  instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances, wherein the first number is unequal to the second number.

[0011] In a seventh aspect, there is provided a computer readable medium having instructions stored thereon. The instructions, when executed on at least one processor, cause the at least one processor to perform the method according to any of the fourth to sixth aspects of the present disclosure.

[0012] Other features of the present disclosure will become easily comprehensible through the following description.BRIEF DESCRIPTION OF THE DRAWINGS

[0013] Through the more detailed description of some embodiments of the present disclosure in the accompanying drawings, the above and other objects, features and advantages of the present disclosure will become more apparent, wherein:

[0014] FIG. 1 illustrates an example communication network in which some embodiments of the present disclosure can be implemented;

[0015] FIG. 2 illustrates a signaling chart illustrating a process of communication according to some embodiments of the present disclosure;

[0016] FIG. 3A illustrates a signaling chart illustrating an example process of data collection according to some embodiments of the present disclosure;

[0017] FIG. 3B illustrates a signaling chart illustrating an example process of independent Rx beam determination according to some embodiments of the present disclosure;

[0018] FIG. 3C illustrates a signaling chart illustrating an example process of joint Rx beam determination according to some embodiments of the present disclosure;

[0019] FIG. 4 illustrates a signaling chart illustrating another process of communication according to some embodiments of the present disclosure;

[0020] FIG. 5 illustrates a flowchart of a method of communication implemented at a terminal device in accordance with some embodiments of the present disclosure;

[0021] FIG. 6 illustrates a flowchart of another method of communication implemented at a terminal device in accordance with some embodiments of the present disclosure;

[0022] FIG. 7 illustrates a flowchart of a method of communication implemented at a network device in accordance with some embodiments of the present disclosure; and

[0023] FIG. 8 is a simplified block diagram of a device that is suitable for implementing embodiments of the present disclosure.

[0024] Throughout the drawings, the same or similar reference numerals represent the same or similar element.DETAILED DESCRIPTION

[0025] Principle of the present disclosure will now be described with reference to some embodiments. It is to be understood that these embodiments are described only for the purpose of illustration and help those skilled in the art to understand and implement the present disclosure, without suggesting any limitations as to the scope of the disclosure. The disclosure described herein can be implemented in various manners other than the ones described below.

[0026] In the following description and claims, unless defined otherwise, all technical and scientific terms used herein have the same meaning as commonly understood by one of ordinary skills in the art to which this disclosure belongs.

[0027] As used herein, the term ‘terminal device’ refers to any device having wireless or wired communication capabilities. Examples of the terminal device include, but not limited to, user equipment (UE) , personal computers, desktops, mobile phones, cellular phones, smart phones, personal digital assistants (PDAs) , portable computers, tablets, wearable devices, Internet of things (IoT) devices, ultra-reliable and low latency communications (URLLC) devices, Internet of everything (IoE) devices, machine type communication (MTC) devices, device on vehicle for V2X communication where X means pedestrian, vehicle, or infrastructure / network, devices for integrated access and backhaul (IAB) , small data transmission (SDT) , mobility, multicast and broadcast services (MBS) , positioning, dynamic / flexible duplex in commercial networks, reduced capability (RedCap) , space borne vehicles or air borne vehicles in non-terrestrial networks (NTN) including Satellites and high altitude platforms (HAPs) encompassing unmanned aircraft systems (UAS) , extended reality (XR) devices including different types of realities such as augmented reality (AR) , mixed reality (MR) and virtual reality (VR) , the unmanned aerial vehicle (UAV) commonly known as a drone which is an aircraft without any human pilot, devices on high speed train (HST) ,  or image capture devices such as digital cameras, sensors, gaming devices, music storage and playback appliances, or Internet appliances enabling wireless or wired Internet access and browsing and the like. The ‘terminal device’ can further has ‘multicast / broadcast’ feature, to support public safety and mission critical, V2X applications, transparent IPv4 / IPv6 multicast delivery, IPTV, smart TV, radio services, software delivery over wireless, group communications and IoT applications. It may also incorporate one or multiple subscriber identity module (SIM) as known as multi-SIM. The term ‘terminal device’ can be used interchangeably with a UE, a mobile station, a subscriber station, a mobile terminal, a user terminal or a wireless device.

[0028] The term ‘network device’ refers to a device which is capable of providing or hosting a cell or coverage where terminal devices can communicate. Examples of a network device include, but not limited to, a Node B (NodeB or NB) , an evolved NodeB (eNodeB or eNB) , a next generation NodeB (gNB) , a transmission reception point (TRP) , a remote radio unit (RRU) , a radio head (RH) , a remote radio head (RRH) , an IAB node, a low power node such as a femto node, a pico node, a reconfigurable intelligent surface (RIS) , Network-controlled Repeaters, and the like.

[0029] The terminal device or the network device may have AI / ML capability. It generally includes a model which has been trained from numerous collected data for a specific function, and can be used to predict some information.

[0030] The terminal or the network device may work on several frequency ranges, e.g. FR1 (410 MHz to 7125 MHz) , FR2 (24.25GHz to 71GHz) , frequency band larger than 100GHz as well as Tera Hertz (THz) . It can further work on licensed / unlicensed / shared spectrum. The terminal device may have more than one connections with the network devices under MR-DC application scenario. The terminal device or the network device can work on full duplex, flexible duplex and cross division duplex modes.

[0031] The network device may have the function of network energy saving, self-organizing networks (SON)  / minimization of drive tests (MDT) . The terminal may have the function of power saving.

[0032] The embodiments of the present disclosure may be performed in test equipment, e.g. signal generator, signal analyzer, spectrum analyzer, network analyzer, test terminal device, test network device, channel emulator.

[0033] In one embodiment, the terminal device may be connected with a first network  device and a second network device. One of the first network device and the second network device may be a master node and the other one may be a secondary node. The first network device and the second network device may use different radio access technologies (RATs) . In one embodiment, the first network device may be a first RAT device and the second network device may be a second RAT device. In one embodiment, the first RAT device is eNB and the second RAT device is gNB. Information related with different RATs may be transmitted to the terminal device from at least one of the first network device or the second network device. In one embodiment, information A may be transmitted to the terminal device from the first network device and information B may be transmitted to the terminal device from the second network device directly or via the first network device. In one embodiment, information related with configuration for the terminal device configured by the second network device may be transmitted from the second network device via the first network device. Information related with reconfiguration for the terminal device configured by the second network device may be transmitted to the terminal device from the second network device directly or via the first network device.

[0034] As used herein, the singular forms ‘a’ , ‘an’ and ‘the’ are intended to include the plural forms as well, unless the context clearly indicates otherwise. The term ‘includes’ and its variants are to be read as open terms that mean ‘includes, but is not limited to. ’ The term ‘based on’ is to be read as ‘at least in part based on. ’ The term ‘one embodiment’ and ‘an embodiment’ are to be read as ‘at least one embodiment. ’ The term ‘another embodiment’ is to be read as ‘at least one other embodiment. ’ The terms ‘first, ’ ‘second, ’ and the like may refer to different or same objects. The term ‘and / or’ indicates that there may be three relationships. For example, A and / or B may indicate cases includes ‘only A’ , ‘both A and B’ , and ‘only B’ . The term ‘at least one of the following items’ or a similar expression thereof refers to any combination of these items, including any combination of a single item or a plurality of items. For example, ‘at least one of A, B, or C’ may represent A, B, C, ‘A and B’ , ‘A and C’ , ‘B and C’ , or ‘A, B and C’ . Other definitions, explicit and implicit, may be included below.

[0035] In some examples, values, procedures, or apparatus are referred to as ‘best, ’ ‘lowest, ’ ‘highest, ’ ‘minimum, ’ ‘maximum, ’ or the like. It will be appreciated that such descriptions are intended to indicate that a selection among many used functional alternatives can be made, and such selections need not be better, smaller, higher, or otherwise preferable to other selections.

[0036] As mentioned above, a terminal device may not be aware that a beam report is for AI / ML model inference at NW side, and thus there is ambiguity on whether to provide specific report content and measurement behaviors for the NW sided AI / ML model. In addition, it is unclear how to implement a measurement with the best UE Rx beam for model input.

[0037] Thus, embodiments of the present disclosure provide solutions of communication for an AI / ML model. In one aspect, a network device may transmit a configuration for a measurement based on a set of RS resources to a terminal device. Based on the configuration, the terminal device may determine that a first measurement result is required for model management, and report the first measurement result to the network device. The first measurement result may indicate a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances, wherein the first number is unequal to the second number. In this way, ambiguity on whether to adopt a beam report for model management of a NW-sided AI / ML model may be avoided.

[0038] It is to be noted that the set of time instances may comprise only one time instance. In this case, the time instance refers to the current time instance or present time instance. In other words, no time instance may be involved.

[0039] In another aspect, upon reception of a configuration indicating a prediction of information related to a first set of RS resources based on a second set of RS resources, a terminal device may determine a third measurement result based on third measurements within a third period of time for a RS resource in the second set of RS resources, and predict the information with the third measurement result as an input of a model. In this way, an accurate measured result may be provided for model inference of a UE sided AI / ML model.

[0040] In the context of the present disclosure, the term ‘model management’ herein may refer to model training, model inference, model monitoring, or any other suitable model related operations.

[0041] For convenience, definitions of some terms in the present disclosure may be listed as below.

[0042] · AI / ML-enabled feature: a feature where AI / ML may be used.

[0043] · AI / ML Model: a data driven algorithm that applies AI / ML techniques to generate a set of outputs based on a set of inputs.

[0044] · AI / ML model delivery: a generic term referring to delivery of an AI / ML model from one entity to another entity in any manner. An entity may mean a network node / function (e.g., gNB, location management function (LMF) , etc. ) , UE, proprietary server, etc.

[0045] · AI / ML model inference: a process of using a trained AI / ML model to produce a set of outputs based on a set of inputs.

[0046] · AI / ML model testing: a sub-process of training, to evaluate performance of a final AI / ML model using a dataset different from one used for model training and validation. Differently from AI / ML model validation, testing does not assume subsequent tuning of the model.

[0047] · AI / ML model training: a process to train an AI / ML model (e.g., by learning an input / output relationship) in a data driven manner and obtain the trained AI / ML model for inference.

[0048] · AI / ML model transfer: a delivery of an AI / ML model over an air interface in a manner that is not transparent to the third generation partnership project (3GPP) signalling, either parameters of a model structure known at a receiving end or a new model with parameters. The delivery may contain a full model or a partial model.

[0049] · AI / ML model validation: a sub-process of training, to evaluate quality of an AI / ML model using a dataset different from one used for model training, that helps selecting model parameters that generalize beyond a dataset used for model training.

[0050] · data collection: a process of collecting data by a network node, management entity, or UE for the purpose of AI / ML model training, data analytics and inference.

[0051] · federated learning  / federated training: a machine learning technique that trains an AI / ML model across multiple decentralized edge nodes (e.g., UEs, gNBs) each performing local model training using local data samples. The technique requires multiple interactions of the model, but no exchange of local data samples.

[0052] · functionality identification: a process / method of identifying an AI / ML functionality for the common understanding between NW and UE. It is to be noted that information regarding AI / ML functionality may be shared during functionality identification. AI / ML functionality resides depends on the specific use cases and sub use cases.

[0053] · management instruction: information needed to ensure proper inference operation. This information may include selection /  (de) activation / switching of AI / ML models or AI / ML functionalities, fallback to non-AI / ML operation, etc.

[0054] · model activation: enable an AI / ML model for a specific AI / ML-enabled feature.

[0055] · model deactivation: disable an AI / ML model for a specific AI / ML-enabled feature.

[0056] · model download: model transfer from the network to UE.

[0057] · model identification: a process / method of identifying an AI / ML model for the common understanding between the NW and the UE. The process / method of model identification may or may not be applicable. Information regarding the AI / ML model may be shared during model identification.

[0058] · model monitoring: a procedure that monitors inference performance of an AI / ML model.

[0059] · model parameter update: a process of updating model parameters of a model.

[0060] · model selection: a process of selecting an AI / ML model for activation among multiple models for the same AI / ML enabled feature. Model selection may or may not be carried out simultaneously with model activation.

[0061] · model switching: a process of deactivating a currently active AI / ML model and activating a different AI / ML model for a specific AI / ML-enabled feature.

[0062] · model update: a process of updating model parameters and / or model structure of a model.

[0063] · model upload: model transfer from UE to the network.

[0064] · network-side (AI / ML) model: an AI / ML model whose inference is performed entirely at the network.

[0065] · offline field data: data collected from field and used for offline training of an AI / ML model.

[0066] · offline training: an AI / ML training process where the model is trained based on collected dataset, and where the trained model is later used or delivered for inference. Note: This definition only serves as a guidance. There may be cases that may not exactly conform to this definition but could still be categorized as offline training by commonly  accepted conventions.

[0067] · online field data: data collected from field and used for online training of the AI / ML model.

[0068] · online training: an AI / ML training process where the model being used for inference) is (typically continuously) trained in (near) real-time with the arrival of new training samples. The notion of (near) real-time vs. non real-time is context-dependent and is relative to the inference time-scale. This definition only serves as a guidance. There may be cases that may not exactly conform to this definition but could still be categorized as online training by commonly accepted conventions. Fine-tuning / re-training may be done via online or offline training.

[0069] · reinforcement learning (RL) : a process of training an AI / ML model from an input (also known as a state) and a feedback signal (also known as a reward) resulting from the model’s output (also known as an action) in an environment the model is interacting with.

[0070] · semi-supervised learning: a process of training a model with a mix of labelled data and unlabelled data.

[0071] · supervised learning: a process of training a model from input and its corresponding labels.

[0072] · test encoder / decoder for tester (TE) : AI / ML model for UE encoder / gNB decoder implemented by TE.

[0073] · two-sided (AI / ML) model: a paired AI / ML model (s) over which joint inference is performed, where joint inference comprises AI / ML Inference whose inference is performed jointly across the UE and the network, i.e., the first part of inference is firstly performed by UE and then the remaining part is performed by gNB, or vice versa.

[0074] · UE-side (AI / ML) model: an AI / ML Model whose inference is performed entirely at the UE.

[0075] · unsupervised learning: a process of training a model without labelled data.

[0076] · proprietary-format models: ML models of vendor- / device-specific proprietary format, from 3GPP perspective. They are not mutually recognizable across vendors and hide model design information from other vendors when shared. Note: An example is a  device-specific binary executable format.

[0077] · open-format models: ML models of specified format that are mutually recognizable across vendors and allow interoperability, from 3GPP perspective. They are mutually recognizable between vendors and do not hide model design information from other vendors when shared.

[0078] For an inference procedure for beam management (BM) , measurements based on a set of beams (i.e., Set B) are used as a model input to predict information of a set of beams (i.e., Set A) . In addition, beam ID information may be also provided as an input to an AI / ML model. Based on model output (e.g., probability of each beam in Set A to be the Top-1 beam, predicted layer 1-reference signal received power (L1-RSRP) ) , Top-1 / Top-N beam (s) among Set A of beams can be predicted and / or potentially with predicted L1-RSRPs (depending on the labeling) . For BM-Case 1, the measurements of Set B are used as a model input to predict Top-1 / Top-N beams from Set A. For BM-Case2, the measurements from historic time instance (s) are used as a model input for temporal DL beam prediction of beams from Set A. The case that Set A and Set B are different (Set B is not a subset of Set A) , and Set B is a subset of Set A for both BM-Case1 and BM-Case2, and the case that Set A and Set B are the same for BM-Case2 are considered. Performance of DL Tx beam prediction and DL Tx-Rx beam pair prediction may be evaluated. For both BM-Case1 and BM-Case2, a terminal device may report a prediction result to NW based on the output of a UE-side model, or NW can predict the Top-1 / Top-N beam (s) based on the reported measurements of Set B for a NW-side model. BM-Case 2 may also be called as a time domain beam prediction.

[0079] In the context of the present disclosure, for a time domain beam prediction (i.e., BM-Case 2) , time domain DL beam prediction for a set of beams (also called as Set A herein) may be performed based on historic measurement results of another set of beams (also called as Set B herein) . The model inputs may be measurement results of K (K≥1) latest measurement instances, which may be in following form (s) : only layer 1-reference signal received power (L1-RSRP) measurement based on Set B; L1-RSRP measurement based on Set B and assistance information; L1-RSRP measurement based on Set B and the corresponding downlink (DL) transmitting (Tx) and / or Rx beam identity (ID) . The model outputs may be predictions of F (F≥1) future time instances, which may be in following form (s) : Tx and / or Rx beam ID (s) and / or the predicted L1-RSRP of the N predicted DL Tx and / or Rx beams, e.g., N predicted beams may be the top-N predicted beams; Tx and / or Rx  beam ID (s) of the N predicted DL Tx and / or Rx beams and other information, e.g., N predicted beams can be the top-N predicted beams; Tx and / or Rx Beam angle (s) and / or the predicted L1-RSRP of the N predicted DL Tx and / or Rx beams, e.g., N predicted beams can be the top-N predicted beams. BM Case1 may be regarded as a special case of BM Case2 without timing information, or with K = 1 for current time instance and F =1 for current time instance.

[0080] In the context of the present disclosure, the terms ‘model’ , ‘functionality’ and ‘model / functionality’ may be used interchangeably. The terms ‘model’ and ‘model group’ may be used interchangeably. The terms ‘functionality’ , ‘functionality group’ , ‘functionality set’ may be used interchangeably. The terms ‘ID’ , ‘index’ , ‘indicator’ and ‘identifier’ may be used interchangeably. The term ‘NW’ herein may refer to ‘operations, administration and maintenance (OAM) ’ , ‘server’ , or ‘advanced mobile location (AML)  / location management function (LMF) ’ .

[0081] In the context of the present disclosure, the term ‘condition information of a terminal device’ herein may comprise a speed, location, beam pattern, memory battery and other hardware limitations, conditions and additional conditions. The term ‘conditions’ may refer to configurations supported indicated via UE capability reporting, related to model training, model inference, performance monitoring, validation procedure, fallback, of an AI / ML model / functionality or a group of models / functionalities. The term ‘additional conditions’ may refer to, e.g., application conditions, scenarios, sites, datasets, cell ID, timestamp, beam shape, etc. For an AI / ML-enabled feature / feature group (FG) , additional conditions refer to any aspects that are assumed for a training of a model but are not a part of UE capability for the AI / ML-enabled feature / FG. It does not imply that additional conditions are necessarily specified. Additional conditions can be divided into two categories: NW-side additional conditions and UE-side additional conditions.

[0082] In the context of the present disclosure, the terms ‘beam’ , ‘precoder’ , ‘precoding’ , ‘precoding matrix’ , ‘beam’ , ‘spatial relation information’ , ‘spatial relation information’ , ‘precoding information’ , ‘precoding information and number of layers’ , ‘precoding matrix indicator (PMI) ’ , ‘precoding matrix indicator’ , ‘transmission precoding matrix indication’ , ‘precoding matrix indication’ , ‘transmission configuration indication (TCI) state’ , ‘uplink (UL) TCI state’ , ‘joint TCI state’ , ‘transmission configuration indicator’ , ‘quasi-co-location (QCL) ’ , ‘QCL parameter’ , ‘QCL assumption’ , ‘QCL relationship’ and ‘spatial relation’ may be used interchangeably.

[0083] A beam may refer to a DL beam, UL beam, Tx beam, Rx beam, beam pair, RS resource, RS resource set, antenna port, antenna port group, antenna element (s) , antenna array (s) , or beam group.

[0084] The terms ‘reference signal received power (RSRP) ’ , ‘L1-RSRP’ ‘layer 3 (L3) -RSRP’ , ‘filtered RSRP’ may be used interchangeably. If ‘RSRP’ is used as a beam quality metric, methods are readily extended to other metrics like ‘signal to interference and noise ratio (SINR) ’ , ‘reference signal received quality (RSRQ) ’ , ‘received signal strength indicator (RSSI) ’ , etc.

[0085] As used herein, a model may be equivalent to at least one of the following: an AI / ML model, a ML model, an AI model, a data-driven model, a data processing model, an algorithm, a functionality, a procedure, a process, an entity, a function, a feature, a feature group, a model ID, an ID, a functionality ID, a configuration ID, a scenario ID, a site ID, or a dataset ID. As a result, the above terms may be used interchangeably.

[0086] In some embodiments, the model may be represented by or associated with a channel, a resource, a resource set, a RS resource, a RS resource set, a RS port, a set of RS ports, a RS port ID, or a set of RS port IDs.

[0087] In some embodiments, the model may comprise a set of weights values that may be learned during training, for example for a specific architecture or configuration, where a set of weights values may also be called a parameter set.

[0088] In some embodiments, the model may be used to predict a target cell, or measurements of a set of beams of a set of candidate cells in future based on at least historical measurements (e.g., L1-RSRP, L1-SINR) of a set of beams of a set of candidate cells.

[0089] In some embodiments, an input of the ML model (i.e., AI input) may refer to the input of a model and indicate data inputted into the model, which may be equivalent to data.

[0090] In some embodiments, an output of ML model (i.e., AI output) may refers to the output of a model and indicate result (s) outputted by the model, which is equivalent to label / data.

[0091] In some embodiments, a ground truth label of data (or ground-truth label) for monitoring or training the ML model (i.e., AI output) may refers to the authoritative, accepted data, or true answer or outcome for AI / ML model. In some embodiments, ‘ground truth’ , ‘ground truth label’ , ‘ground truth label of data’ , ‘input label’ , ‘input data’ and ‘data’ can be  used interchangeably. In some embodiments, the ground truth can be interpreted as actual / factual (i.e. actual / factual measured) data / values / results / collections / parameters, which can be used as reference, compared to prediction or inference.

[0092] As used herein, measurement results / measurement information may be in any suitable types such as a L1 value, L3 value, an average value or a filtered value. For example, the measurement results / measurement information includes but is not limited to, L1-RSRP, L3-RSRP, RSRP, L1-SINR, L3-SINR, SINR, L1-RSSI, L3-RSSI, RSSI, L1-RSRQ, L3-RSRQ, RSRQ, and so on. The present disclosure is not limited in this regard, and any other suitable types may also be feasible. In some embodiments, NW may indicate a type of measurement results / measurement information to a terminal device. In some embodiments, a terminal device may request a type of measurement results / measurement information from NW. In some embodiments, a terminal device may report a type of measurement results / measurement information.

[0093] For a beam report, a set of measurement results may be derived based on various signals and / or channels, including at least one of the following: a synchronization signal and physical broadcast channel block (SSB) for intra-cell and inter-cell, and periodic channel status information (CSI) -RS for beam management; semi-persistent CSI-RS and aperiodic CSI-RS; if L1-SINR measurement is applied, it is assumed that existing RS or RS combination (e.g., channel measurement resource (CMR) only, CMR+zero-power (ZP)  / non-zero-power (NZP) -interference measurement resource (IMR) ) for SINR is reused; a TCI state, comprising a unified TCI state, a DL or joint TCI state, a UL TCI state, a spatial relation, or a RS associated with the TCI state (including QCL reference RS configured in the TCI states, or QCL type D RS) ; a SSB, comprising a SSB from a serving TRP, a SSB from a serving cell, a SSB from other cells, or a SSB from other cells with different physical cell identities (PCIs) ; a CSI-RS, comprising a CSI-RS for beam management (e.g., configured for L1-RSRP / SINR report) , a CSI-RS for channel acquisition (e.g., configured for RI / PMI / CQI report) , a CSI-RS for mobility, a CSI-RS from other cell, a CSI-RS for tracking, a CSI-RS for candidate beams for beam failure recovery, or a CSI-RS for radio link monitoring or for beam failure detection; or a sounding reference signal (SRS) , a positioning reference signal (PRS) , a phase tracking reference signal (PTRS) , a demodulation reference signal (DMRS) , a pathloss reference signal (PL-RS) , etc.

[0094] As used herein, a beam may be associated with a RS (e.g., SSB, CSI-RS, or SRS) , a RS resource, RS resource ID, (channel / interference) measurement RS / resource, QCL RS,  source RS, reference RS, type of QCL (e.g., type A / B / C / D) , (source / reference) RS of a type of QCL, TCI state, spatial Rx parameter, UL transmit (Tx) spatial filter, spatial filter, path loss (reference) RS, power control related parameter, spatial relation, or spatial relation information. In view this, the above terms may be interchangeably used with each other. In summary, a beam may refer to a resource that enables a spatially directional communication, and thus may be identified by other suitable parameters in other embodiments. The present disclosure is not limited in this regard.

[0095] Principles and implementations of the present disclosure will be described in detail below with reference to the figures.

[0096] EXAMPLE OF COMMUNICATION NETWORK

[0097] FIG. 1 illustrates an example communication network 100 in which embodiments of the present disclosure can be implemented. As shown in Fig. 1, the communication network 100 includes a terminal device 110 and a network device 120 served by the terminal device 110.

[0098] As shown in FIG. 1, the terminal device 110 may have a plurality of beams, and the network device 120 may have a plurality of beams. A channel (or called as a sub-channel) may be formed between one of the beams of the terminal device 110 and one of the beams of the network device 120. The terminal device 110 may transmit information to the network device 120 or receive information from the network device 120 via one or more of the sub-channels.

[0099] It is to be understood that the number of devices and beams in FIG. 1 is given for the purpose of illustration without suggesting any limitations to the present disclosure. The communication network 100 may include any suitable number of network devices and / or terminal devices and / or beams adapted for implementing implementations of the present disclosure.

[0100] The communications in the communication network 100 may conform to any suitable standards including, but not limited to, global system for mobile communications (GSM) , long term evolution (LTE) , LTE-evolution, LTE-advanced (LTE-A) , new radio (NR) , wideband code division multiple access (WCDMA) , code division multiple access (CDMA) , GSM EDGE radio access network (GERAN) , machine type communication (MTC) and the like. The embodiments of the present disclosure may be performed according to any generation communication protocols either currently known or to be developed in the future.  Examples of the communication protocols include, but not limited to, the first generation (1G) , the second generation (2G) , 2.5G, 2.75G, the third generation (3G) , the fourth generation (4G) , 4.5G, the fifth generation (5G) communication protocols, 5.5G, 5G-advanced networks, or the sixth generation (6G) networks.

[0101] Communication in a direction from the terminal device 110 towards the network device 120 is referred to as UL communication, while communication in a reverse direction from the network device 120 towards the terminal device 110 is referred to as DL communication. A wireless communication channel may comprise a physical uplink control channel (PUCCH) , a physical uplink shared channel (PUSCH) , a physical random-access channel (PRACH) , a physical downlink control channel (PDCCH) , a physical downlink shared channel (PDSCH) and a physical broadcast channel (PBCH) .

[0102] In some scenarios, an AI / ML model (i.e., NW sided AI / ML model) may be deployed at the network device 120. In some scenarios, an AI / ML model (i.e., UE sided AI / ML model) may be deployed at the terminal device 110.

[0103] Embodiments of the present disclosure provide solutions of communication for a NW sided AI / ML model and / or a UE sided AI / ML model. The solutions will be described in detail with reference to FIGs. 2 to 4 below.

[0104] EXAMPLE IMPLEMENTATION OF MANAGEMENT OF NW SIDED AI / ML MODEL

[0105] To avoid ambiguity on whether to adopt a beam report for model management of a NW-sided AI / ML model, embodiments of the present disclosure provide a solution of indicating the beam report for model management. This solution will be described in connection with FIG. 2 below.

[0106] FIG. 2 illustrates a signaling chart illustrating a process 200 of communication according to some embodiments of the present disclosure. For the purpose of discussion, the process 200 will be described with reference to FIG. 1. The process 200 may involve the terminal device 110 and the network device 120 as illustrated in FIG. 1. It is to be understood that steps and an order of the steps in FIG. 2 are merely for illustration, and not for limitation. For example, the order of the steps may be changed. Some of the steps may be omitted or any other suitable additional steps may be added. It is assumed that an AI / ML model is deployed at the network device 120.

[0107] As shown in FIG. 2, the network device 120 may transmit 210, to the terminal device 110, a configuration (also referred to as a beam measurement and report configuration herein)  for a measurement based on a set of RS resources (also referred to as a beam measurement herein) . In some embodiments, the configuration may comprise a measurement configuration and a report configuration for the beam measurement.

[0108] In some embodiments, a beam report (also referred to as a first report herein) for model management (also referred to as for AI / ML herein) and a beam report (also referred to as a second report herein) unrelated to model management (also referred to as for non-AI / ML herein) may share the same measurement resources, which is much more efficient. In some embodiments, the configuration may indicate whether a first measurement result for model management (i.e., for AI / ML) or a second measurement result unrelated to model management (i.e., for non-AI / ML) is to be provided, i.e., whether the first report of the first measurement result or the second report (i.e., a legacy beam report) of the second measurement result is to be provided.

[0109] In some embodiments, the configuration may comprise an explicit indication that the first report is to be provided. In other words, the configuration may comprise new information in addition to those configurations already specified for a legacy beam report. Upon reception of this new information, the terminal device 110 may consider that this beam report is for AI / ML. In some embodiments, the explicit indication may be one or more signaling provided in the report configuration or associated with the report configuration.

[0110] In some embodiments, the configuration may comprise information of a model (i.e., NW sided AI / ML model) . For example, the configuration may comprise a dedicated configuration for AI / ML indicating a model ID, an ID (also referred to as an associated ID herein) associated with additional conditions, NW side additional conditions, UE side additional conditions, for model training, for model inference, for performance monitoring, etc.

[0111] In some embodiments, the configuration may comprise information of overhead reduction in a report (i.e., beam report) of the beam measurement. For example, the configuration may comprise a dedicated configuration (e.g., an information element (IE) ‘lowOverheadCri-RSRP’ ) for overhead reduction in a beam report.

[0112] In some embodiments, the configuration may comprise information of a report quantity for model management. For example, the configuration may comprise a report quantity configuration indicating a new report quantity, for example, ‘beaminfo-RSRP’ (or ‘beaminfo-SINR’ ) . The new report quantity may indicate a report of an associated ID for  UE side additional conditions, or UE Rx beamforming gain used to obtain the reported measured value (e.g., L1-RSRP) . The new report quantity may mean that an IE ‘reportQuantity’ indicates at least “RSRP” (or “SINR” ) but not one of the following: ‘cri-RSRP’ or ‘ssb-Index-RSRP’ or ‘cri-SINR’ , or ‘ssb-Index-SINR’ or ‘cri-RSRP-Index’ or ‘ssb-Index-RSRP-Index’ or ‘cri-SINR-Index’ , or ‘ssb-Index-SINR-Index’ .

[0113] In some embodiments, the configuration may comprise information indicating that a certain number (also referred to as a second number (denoted as M) herein) of largest measured values is to be reported, i.e., Top M measured values are to be reported. For example, the configuration may comprise a ‘Top M’ configuration. If the ‘Top M’ configuration is present, e.g., if ‘Top M’ is configured, the terminal device 110 needs to provide the first report. ‘Top M’ is not configured for a legacy beam report.

[0114] In some embodiments, if M is equal to a size of a measurement resource set (i.e., number of RS resources in the set of RS resources) , content of the first report is all measured values (e.g., L1-RSRP) and one beam index (i.e., CSI-RS resource indicator (CRI)  / SSB resource indicator (SSBRI) ) for the largest measured value among measured values for the measurement resource set.

[0115] In some embodiments, if ‘Top M’ is not configured but other indications (e.g., the dedicated configuration for AI / ML, the dedicated configuration for overhead reduction in beam report, the report quantity configuration, etc. ) for the first report are provided, the terminal device 110 may assume that M is equal to the size of the measurement resource set, and need to provide the first report. In some embodiments, if ‘Top M’ is not configured, and number of reported RS (e.g., an IE ‘nrofReportedRS’ ) is configured as the same as the size of the measurement resource set, then the terminal device 110 needs to provide the first report. In some embodiments, if the IE ‘nrofReportedRS’ is configured, ‘Top M’ is not configured. In some embodiments, if the IE ‘nrofReportedRS’ is configured, ‘Top M’ may be ignored at least for the second report.

[0116] In some embodiments, the configuration may comprise information of more than one resource set for the beam report. In other words, if more than one resource set (e.g., two resource sets) are configured for one beam report, the terminal device 110 needs to provide the first report.

[0117] For AI / ML, both Set B and Set A may be configured to the terminal device 110. In some embodiments, one CSI resource configuration ID is configured for Set B and the  terminal device 110 determines information of Set A. In some embodiments, one CSI resource configuration ID is configured for both Set A and Set B. In some embodiments, two CSI resource configuration IDs are configured for Set A and Set B separately. In some embodiments, one CSI resource configuration ID is configured for Set B and Set A is configured using one or more separate resource sets other than that represented by the CSI resource configuration ID. In some embodiments, separate CSI report configurations for Set A and Set B are configured. In some embodiments, association between Set A and Set B may have or have no additional IE. That is, the association between Set A and Set B may be indicated explicitly or implicitly, e.g., by having or having no additional IE configured for the association. In these embodiments, the terminal device 110 may consider that two resource sets are configured for one beam report, and need to provide the first report.

[0118] In some embodiments, the more than one resource set may have different sizes. For example, if two resource sets are configured, one resource set may have a size of Set B, and the other resource set may have a size of Set A. In some embodiments, the more than one resource set may have different RS types. For example, if two resource sets are configured, one resource set may be associated with SSB, and the other resource set may be associated with CSI-RS.

[0119] In some embodiments, the configuration may comprise information indicating that a set of measured values that have a difference from a largest measured value lower than or equal to a first threshold (e.g., X dB) is to be reported. For example, the configuration may comprise a ‘X dB gap’ configuration. If the ‘X dB gap’ configuration (e.g., IE ‘xdB’ ) is present, then the terminal device 110 may need to provide the first report.

[0120] In some embodiments, if “X dB gap” is configured, a bitwidth of an index of a differential measured value (e.g., L1-RSRP) in the first report may be determined by an equation (1) below. B = ceil (log2 (X / S) )      (1)

[0121] where B denotes the bitwidth of the index of the differential measured value, X denotes the X dB gap, and S denotes a step size (e.g., [2dB] ) .

[0122] For example, the differential measured value may be computed with [2dB] step size with a reference to the largest measured value which is part of the same measured value reporting instance.

[0123] In some embodiments, if ‘X dB gap’ is not configured but other indications (e.g., the  dedicated configuration for AI / ML, the dedicated configuration for overhead reduction in beam report, the report quantity configuration, the Top M configuration, etc. ) for the first report are provided, the terminal device 110 may assume that X = 30dB, and need to provide the first report.

[0124] In some embodiments, the configuration may comprise information indicating that a set of measured values larger than or equal to a second threshold (e.g., Y dBm) is to be reported. For example, the configuration may comprise a ‘Y dBm threshold’ configuration. If the ‘Y dBm threshold’ configuration is present, then the terminal device 110 may only report one or more beams with a measured value (e.g., L1-RSRP) larger than or equal to Y dBm.

[0125] In some embodiments, the configuration may comprise timing information associated with the beam measurement. In some embodiments, the timing information may indicate a certain number (also referred to as a third number (denoted as K) herein) of time instances. For example, the configuration may comprise a ‘K latest measurement instances’ configuration. In this case, the configuration may comprise a ‘Top M’ configuration, where M = K×the size of the measurement resource set. Alternatively, the configuration may comprise a ‘Top M” configuration, where M’ = the size of the measurement resource set. In some embodiments, M’ may be different for each of K latest measurement instances, e.g., M1’, M2’ , …, MK’ . In some embodiments, M1’ ≤ M2’ ≤ …≤ MK’ . Alternatively, M1’ ≥M2’≥ …≥ MK’ .

[0126] In some embodiments, when ‘Top M’ is configured and M is larger than the size of the measurement resource set, the terminal device 110 may consider that this beam report is for AI / ML.

[0127] In some embodiments, the configuration may comprise the ‘K latest measurement instances’ configuration and a ‘X dB gap’ configuration for each of K latest measurement instances. In some embodiments, X may be different for each of K latest measurement instances, e.g., X1’ , X2’ , …, XK’ . In some embodiments, X1’ ≤ X2’ ≤ …≤ XK’ . Alternatively, X1’ ≥ X2’ ≥ …≥ XK’ .

[0128] In some embodiments, the configuration may comprise the ‘K latest measurement instances’ configuration, and a ‘report quantity’ configuration indicting a new report quantity for each of K latest measurement instances or over K latest measurement instances.

[0129] In some embodiments, the timing information may indicate a measurement window.  For example, the configuration may comprise a measurement window configuration or a configuration of K last time instances. In some embodiments, the timing information may ndicate a measurement interval. For example, the configuration may comprise a measurement interval configuration. In some embodiments, the timing information may indicate a prediction window. For example, the configuration may comprise a prediction interval configuration or a configuration of F future time instances.

[0130] In some embodiments, the configuration may comprise an implicit indication that the first report is to be provided. In other words, the configuration may comprise those configurations already specified for a legacy beam report with some specific values. Upon reception of one or more legacy configurations with some specific values, the terminal device 110 may consider that this beam report is for AI / ML. In some embodiments, the implicit indication may be one or more specific values provided in the report configuration or associated with the report configuration.

[0131] In some embodiments, the configuration may comprise number of reported RSs (e.g., an IE ‘nrofReportedRS’ ) that is larger than a first value. For example, the first value may be 4 or larger than 4. In other words, if the number of reported RSs is larger than 4, the terminal device 110 needs to provide the first report. In some embodiments, if there is no ‘nrofReportedRS’ configuration for a resource set, the terminal device 110 needs to provide the first report. In some embodiments, if ‘Top M’ is configured, ‘nrofReportedRS’ may be not configured. In some embodiments, if ‘Top M’ is configured, ‘nrofReportedRS’ may be ignored at least for the first report. In some embodiments, the configuration may indicate that the second number (i.e., M) is larger than a third value. For example, the third value may be 4 or larger than 4. In some embodiments, the configuration may indicate that the second number (i.e., M) is larger than number of RS resources in the set of RS resources (i.e., the size of the measurement resource set) .

[0132] In some embodiments, the configuration may comprise number of RS resources in the set of RS resources that is larger than a second value. For example, the second value may be 64 or larger than 64. In other words, if the size of the measurement resource set is larger than 64, the terminal device 110 needs to provide the first report.

[0133] In some embodiments, the configuration may comprise absence of repetition information for the set of RS resources (i.e., the measurement resource set) . In a legacy beam measurement configuration, it may only be configured for CSI-RS resource sets which  are associated with a CSI report configuration (e.g., an IE ‘CSI-ReportConfig’ ) with report of L1-RSRP, L1-SINR or ‘no report’ . For AI / ML, such configuration is not needed, and the terminal device 110 may not assume that NZP-CSI-RS resources within the measurement resource set are transmitted with the same downlink spatial domain transmission filter.

[0134] In some embodiments, the configuration may comprise absence of QCL information for a RS resource in the set of RS resources. A QCL information configuration may be configured to indicate a QCL reference signal or TCI states applied for the RS resource, including QCL information (e.g., an IE ‘qcl-InfoPeriodicCSI-RS’ ) for periodic resources and QCL information (e.g., an IE ‘qcl-info’ in an IE ‘CSI-AssociatedReportConfigInfo’ ) for aperiodic resources. For AI / ML, such QCL information configuration is not needed, and the terminal device 110 may always measure the RS resource with the best Rx beam.

[0135] It is to be noted that any combinations of the above explicit and implicit indications may also be feasible, and the present disclosure does not limit this aspect.

[0136] Continuing to refer to FIG. 2, based on the explicit indication and / or the implicit indication in the configuration, the terminal device 110 may determine 220 that the first report is to be provided or the first measurement result is required for model management. Then the terminal device 110 may report 230 the first measurement result to the network device 120, i.e., the first report. In some embodiments, if the configuration does not comprise the above explicit or implicit indications, the terminal device 110 may determine that the second report or the second measurement result unrelated to model management is to be provided. Then the terminal device 110 may report the second measurement result to the network device 120, i.e., the second report.

[0137] In general, the first report or the second report may indicate N beam information and M indexes of measured values. It is at least applicable for model inference for NW sided AI / ML model for beam measurement (BM) -Case 1. Here, M denotes number of reported measured values, e.g., number of L1-RSRP or number of L1-SINR in a beam report. N denotes number of reported beam information, e.g., number of reported CRI or SSBRI in a beam report.

[0138] In one aspect, the first report and the second report may be different for values of M and N and a relationship between M and N. For the first report, M ≠ N, M ≠ 0, and N ≠ 0. Alternatively or additionally, M ≠ N, and N =1. For the second report, M = N, or N = 0.

[0139] In another aspect, the first report and the second report may be different in beam  selection methods. For the first report, the largest M measured values are reported. For the second report, up to the terminal device 110, it is unnecessary to be the largest M measured values.

[0140] In still another aspect, the first report and the second report may be different in quantization of measured values and / or differential measured values. For the first report, if M is equal to the size of the measurement resource set, the content of the first report may comprise indexes of all measured values, and one beam index (i.e., N=1) for the largest measured value for the measurement resource set. For the second report, M is equal to the number of reported RSs. If M is equal to the size of the measurement resource set, the content of the second report may comprise M indexes of all measured values, and M beam index (i.e., N=M) for all measured values for the measurement resource set. Additionally, N=0 if CRI is not reported.

[0141] In some embodiments, the first measurement result may indicate a certain number (for convenience, also referred to as a first number (i.e., N) herein) of RS resources associated with a set of largest measured values for a set of time instances (also referred to as measurement instances herein) , and the second number (i.e., M) of largest measured values in a set of measured values for each time instance in the set of time instances, where M ≠ N. It is assumed that number of time instances of the set of time instances is denoted as K.

[0142] In some embodiments, the set of time instances may comprise only one time instance (i.e., K=1) , e.g., for BM-Case 1. This time instance may be a current or present time instance, and may not involve a last time instance or a future time instance. In other words, a time instance may not be involved in this case. If the second number (i.e., M) is equal to number of RS resources in the set of RS resources, the first measurement result may comprise: information of a RS resource associated with a largest measured value for the set of RS resources at the time instance, and information of the second number of largest measured values in the set of measured values for the set of RS resources.

[0143] In some embodiments for BM-Case 2, if the second number (i.e., M) is equal to a product of number of RS resources in the set of RS resources and number (i.e., K) of time instances in the set of time instances, and the set of largest measured values comprises only one largest measured value (i.e., N=1) , the first measurement result may comprise: information of a RS resource associated with the largest measured value for the set of RS resources at the set of time instances, and information of the second number of largest  measured values in the set of measured values for the set of RS resources at each time instance in the set of time instances. In other words, the first report may have 1 beam information and K×M’ indexes of measured values, where M’ = the size of the measurement resource set. Alternatively, the first report may have 1 beam information and M indexes of measured values, where M = K×the size of the measurement resource set. Alternatively, the first report may have 1 beam information and M indexes of measured values, where M / K= the size of the measurement resource set.

[0144] In some embodiments for BM-Case 2, if the second number (i.e., M) is equal to a product of number of RS resources in the set of RS resources and number (i.e., K) of time instances in the set of time instances, and the set of largest measured values comprises K largest measured values (i.e., N=K) , the first measurement result may comprise: information of a RS resource associated with a largest measured value for the set of RS resources at each time instance in the set of time instances, and information of the second number of largest measured values in the set of measured values for the set of RS resources at each time instance in the set of time instances. In other words, the first report may have K beam information and K×M’ indexes of measured values, where M’ = the size of the measurement resource set. Alternatively, the first report may have K beam information and M indexes of measured values, where M = K×the size of the measurement resource set.

[0145] In some embodiments, information of the largest M’ (or M / K) measured value (s) per time instance may be reported.

[0146] For example, for each of K latest measurement instances, L1-RSRPs and corresponding beam information of Top M’ beam (s) with largest M’ measured value (s) of L1-RSRP (s) of a measurement resource set at one measurement instance, where K and M’ are configured by the network device 120. If M’ = the size of the measurement resource set, (or if M = K×the size of the measurement resource set) , the content of the first report is all (K × M’ or M) L1-RSRPs and K beam indexes (i.e., CRI / SSBRI) for the largest measured values of L1-RSRP of the measurement resource set at each of K latest measurement instances. Alternatively, the content of the first report is all (K × M’ or M) L1-RSRPs and 1 beam index (i.e., CRI / SSBRI) for the largest measured value of L1-RSRP of the measurement resource set over K latest measurement instances.

[0147] In some embodiments, for each of the K beam indexes, the bitwidth may be determined by an equation (2) below. B1 = ceil (log2 (N1) )       (2)

[0148] where B1 denotes the bitwidth of one of the K beam indexes, and N1 denotes the size of the measurement resource set.

[0149] In some embodiments, for the 1 beam index, the bitwidth may be determined by an equation (3) or (4) below. B2 = ceil (log2 (K×N1) )       (3) B2 = ceil (log2 (K) ) +ceil (log2 (N1) )       (4)

[0150] where B2 denotes the bitwidth of the 1 beam index, K denotes number of measurement instances, and N1 denotes the size of the measurement resource set.

[0151] It is to be noted that the above equations (1) to (4) are merely examples, and any other suitable forms may also be feasible.

[0152] So far, the first measurement result may be accurately and efficiently reported to NW for model management (e.g., for model training or model inference or model monitoring) .

[0153] To ensure measured values for model inputs may be obtained by the best Rx beam, embodiments of the present disclosure also provide a solution of data collection, i.e., a solution of determining a measurement result (e.g., the first or second measurement result) based on the best Rx beam. In the solution, the terminal device 110 may determine the measurement result based on measurements within a period of time for a RS resource in the set of RS resources. For illustration, this solution will be described in connection with FIGs. 3A to 3C below.

[0154] FIG. 3A illustrates a signaling chart illustrating an example process 300A of data collection according to some embodiments of the present disclosure. For the purpose of discussion, the process 300A will be described with reference to FIG. 1. The process 300A may involve the terminal device 110 and the network device 120 as illustrated in FIG. 1. It is to be understood that steps and an order of the steps in FIG. 3A are merely for illustration, and not for limitation. For example, the order of the steps may be changed. Some of the steps may be omitted or any other suitable additional steps may be added.

[0155] As shown in FIG. 3A, the terminal device 110 may determine 310 that the first report (i.e., beam report for AI / ML) of the first measurement result is to be provided. In some embodiments, if the beam measurement and report configuration comprises the explicit or implicit indication, the terminal device 110 may determine that the first report is to be  provided, as that described in the process 200. It is to be noted that any other suitable ways may also be feasible, and the present disclosure does not limit this aspect.

[0156] Upon determination that the first report is to be provided, the terminal device 110 may determine 320 the first measurement result based on first measurements within a first period of time for a RS resource in the set of RS resources. Then the terminal device 110 may report 325 the first measurement result to the network device 120.

[0157] With reference to FIG. 3A, in some embodiments, the terminal device 110 may determine 330 that the second report (i.e., beam report for non-AI / ML) of the second measurement result is to be provided. In some embodiments, if the configuration for beam measurement and report does not comprises the explicit or implicit indication, the terminal device 110 may determine that the second report is to be provided, as that described in the process 200. It is to be noted that any other suitable ways may also be feasible, and the present disclosure does not limit this aspect.

[0158] Upon determination that the second report is to be provided, the terminal device 110 may determine 340 the second measurement result based on second measurements within a second period of time for a RS resource in the set of RS resources. Then the terminal device 110 may report 345 the second measurement result to the network device 120.

[0159] In some embodiments, the beam report for AI / ML and the beam report for non-AI / ML may share the same measurement resources, which is much more efficient.

[0160] In some embodiments, the terminal device 110 may differentiate whether a beam report is for AI / ML or for non-AI / ML based on the explicit indication and implicit indication as described in the process 200. The first report is the beam report used for AI / ML model inference at NW side, and the second report is the beam report (i.e., legacy beam report) that is not used for AI / ML model.

[0161] In some embodiments, in addition to the differences between the first report and the second report as described in the process 200, the first report and the second report may also be different in Rx beam for measurement and in measurement period. For the first report, the best Rx beam may be used for measurement. For the second report, QCL information is configured to provide guidance for a terminal device to select a suitable Rx beam. In terms of the measurement period, the measurement period of obtaining measured values for model inputs shall be longer than the measurement period of obtaining measured values for the legacy beam report.

[0162] In some embodiments, the terminal device 110 may determine the first measurement result by ignoring a part of the beam measurement and report configuration. In some embodiments, the terminal device 110 may ignore QCL information for a RS resource in the set of RS resources. For example, a QCL information configuration may be provided for a measurement resource (i.e., RS resource) . The QCL information configuration is configured to indicate the QCL reference signal or TCI states applied for the measurement resource, including QCL information (e.g., an IE ‘qcl-InfoPeriodicCSI-RS’ ) for periodic resources and QCL information (e.g., an IE ‘qcl-info’ in an IE ‘CSI-AssociatedReportConfigInfo’ ) for aperiodic resources. In addition, the QCL information configuration includes QCL implicitly determined based on unified TCI state or based on some default rules such as QCL of a PDCCH or a control resource set (CORESET) , QCL of other signals on the same symbol of CSI-RS, a SSB used during an initial access or the latest random access, etc. It is valid for the beam report used for non-AI / ML but is invalid for the beam report used for AI / ML. Then, the terminal device 110 may ignore this QCL information configuration for the beam report used for AI / ML. Alternatively, the terminal device 110 may assume that the QCL information configuration is always not configured.

[0163] In some embodiments, the terminal device 110 may ignore repetition information for the set of RS resources. For example, a ‘repetition’ configuration may be provided for a measurement resource set to indicate whether the terminal device 110 may assume that the CSI-RS resources within a non-zero power (NZP) CSI-RS resource set are transmitted with the same downlink spatial domain transmission filter or not. It is valid for the beam report used for non-AI / ML but is invalid for the beam report used for AI / ML. Then the terminal device 110 may ignore this configuration for the beam report used for AI / ML. Alternatively, the terminal device 110 may assume that the ‘repetition’ configuration is always ‘off’ .

[0164] In some embodiments, the terminal device 110 may ignore time restriction information for channel measurement. For example, a ‘timeRestrictionForChannelMeasurement’ configuration may be provided for a report configuration. It is valid for the beam report used for non-AI / ML but is invalid for the beam report used for AI / ML. Then the terminal device 110 may ignore UE this configuration for the beam report used for AI / ML. Alternatively, the terminal device 110 may assume that the ‘timeRestrictionForChannelMeasurement’ configuration is always configured.

[0165] Since the beam report for AI / ML and the beam report for non-AI / ML may share the same measurement resources, a measurement of one resource may result in two different  measurement results, and a sharing factor P may be used to control the time used for AI / ML and non-AI / ML, e.g., sharing factor P=2 may be applied. Alternatively or additionally, other values of P may be configured by the network device 120, or reported by the terminal device 110 as capability of the terminal device 110, or predefined or defined by AI / ML model.

[0166] In some embodiments, the terminal device 110 may determine the first or second period of time based on an equation (5) below. T1 = max (TReport, ceil (m×P×n) ×TCSI-RS)       (5)

[0167] where T1 denotes the first or second period of time; TReport denotes a configured periodicity for reporting, it may be expected that TReport ≥ ceil (m×P×n) ×TCSI-RS, otherwise the reported measured value may not be obtained with the best Rx beam of the terminal device 110, which is not suitable for AI / ML model inference; TCSI-RS denotes a periodicity of CSI-RS configured for measurement; m denotes a factor related to number of measurements; P denotes a factor related to sharing of concurrent measurements for overlapping multiple purposes; and n denotes a factor related to number of Rx beams. In addition, during discontinuous reception (DRX) , T1 may also be related to the DRX duration (e.g., TDRX) .

[0168] In some embodiments, the terminal device 110 may determine the first period of time and the second period of time by assuming different values of m, P and n in the equation (5) . In some embodiments for the first period of time, the terminal device 110 may set m to be 1 (i.e., only the latest one measurement is considered) without considering time restriction information for channel measurement (i.e., no matter of a ‘time restriction for channel measurement’ configuration) . In some embodiments, the terminal device 110 may set n to be number of receiving beams swept. In the worst case, n may be equal to the maximum number of Rx beams. In some examples, n may be other values that the terminal device 110 reports to the network device 120 or the network device 120 provides with AI / ML model information. In some embodiments, the terminal device 110 may set P to be PAIML that denotes a factor related to sharing of concurrent measurements at least for overlapping AI / ML and non-AI / ML measurements (i.e., overlapping between the first measurements and the second measurements) . Additionally, the terminal device 110 may also consider other sharing factor P’ , for example, a factor related to sharing of concurrent measurements for a measurement gap (GAP) and / or SSB measurement timing configuration (SMTC) . In this case, P = PAIML×P’ .

[0169] In some embodiments for the second period of time, the terminal device 110 may  set, for periodic and semi-persistent CSI-RS resources, m=1 if a higher layer parameter ‘time restriction for channel measurement’ is configured and m=3 otherwise, and set m=1 for aperiodic CSI-RS resources. In some embodiments, for periodic CSI-RS resources in a resource set and semi-persistent CSI-RS resources in a resource set, the terminal device 110 may set n=1 if the terminal device 110 is configured with a higher layer parameter ‘repetition’ set to off, and set n=ceil (Nmax  / Nres_per_set) if the terminal device 110 is configured with a higher layer parameter ‘repetition’s et to on, where Nmax denotes the maximum number of Rx beams, and Nres_per_set denotes number of resources in the resource set. For aperiodic CSI-RS resources, the terminal device 110 may set n=1. In some embodiments, the terminal device 110 may set P to be PAIML that denotes a factor related to AI / ML and non-AI / ML sharing. Alternatively, the terminal device 110 may set P to be 1 when CSI-RS is not overlapped with GAP and also not overlapped with a SMTC occasion.

[0170] In some embodiments for BM-Case 2, results of K measurement instances may be needed. Based on capability of the terminal device 110, the terminal device 110 may perform independent Rx beam determination for each of K different measurement instances. In this case, the first period of time is needed for each of K different measurement instances. FIG. 3B illustrates a signaling chart illustrating an example process 300B of independent Rx beam determination according to some embodiments of the present disclosure. For the purpose of discussion, the process 300B will be described with reference to FIG. 1. The process 300B may involve the terminal device 110 and the network device 120 as illustrated in FIG. 1. It is assumed that the first report is to be provided.

[0171] As shown in FIG. 3B, the network device 120 may transmit 350 one or more RSs on the set of RS resources for a i-th measurement instance. The terminal device 110 may determine 351 the first measurements within the first period of time for the i-th measurement instance, e.g., by determining the largest measured value within the first period of time as a measurement result for the i-th measurement instance. In some embodiments, the terminal device 110 may ignore the part of the beam measurement and report configuration during the determination of the first measurements for the i-th measurement instance.

[0172] As shown in FIG. 3B, the network device 120 may transmit 352 one or more RSs on the set of RS resources for a j-th measurement instance. The terminal device 110 may determine 353 the first measurements within the first period of time for the j-th measurement instance, e.g., by determining the largest measured value within the first period of time as a measurement result for the j-th measurement instance. In some embodiments, the terminal  device 110 may ignore the part of the beam measurement and report configuration during the determination of the first measurements for the j-th measurement instance.

[0173] In some embodiments, based on capability of the terminal device 110, the terminal device 110 may perform joint (i.e., one) Rx beam determination for all K different measurement instances. In some embodiments, the first period of time may be needed for one (e.g., the first measurement instance) of K different measurement instances. FIG. 3C illustrates a signaling chart illustrating an example process 300C of joint Rx beam determination according to some embodiments of the present disclosure. For the purpose of discussion, the process 300C will be described with reference to FIG. 1. The process 300C may involve the terminal device 110 and the network device 120 as illustrated in FIG. 1. It is assumed that the first report is to be provided.

[0174] As shown in FIG. 3C, the network device 120 may transmit 360 one or more RSs on the set of RS resources for a i-th measurement instance. The terminal device 110 may determine 361 the first measurements within the first period of time for the i-th measurement instance, e.g., by determining the largest measured value within the first period of time as a measurement result for the i-th measurement instance. In some embodiments, the terminal device 110 may ignore the part of the beam measurement and report configuration during the determination of the first measurements for the i-th measurement instance.

[0175] As shown in FIG. 3C, the network device 120 may transmit 362 one or more RSs on the set of RS resources for a j-th measurement instance. The terminal device 110 may determine 363 the first measurements for the j-th measurement instance based on a quasi-optimal Rx beam from the last measurement instance. In some embodiment, the terminal device 110 may determine the first measurements for the j-th measurement instance based on the same Rx beam from the last (e.g., i-th) measurement instance. In some embodiments, the terminal device 110 may ignore the part of the beam measurement and report configuration during the determination of the first measurements for the j-th measurement instance.

[0176] In some alternative or additional embodiments, independent (or one) Rx determination for every k’ measurement instances in K different measurement instances. In this case, the first period of time may be needed for the first measurement instance in the k’ measurement instances.

[0177] So far, it is ensured that measured values for model inputs are obtained by the best  Rx beam.

[0178] To reduce a log size and report overhead for AI / ML model management (e.g., model training) , embodiments of the present disclosure also provide a solution of logging a measurement result. It is to be noted that this solution may be applied to any of the processes 200, 300A, 300B and 300C. For convenience, this solution will be described in connection with FIG. 2 below.

[0179] As shown in FIG. 2, upon determination of the first measurement result, the terminal device 110 may log 240 the first measurement result without immediately reporting the first measurement result. In some embodiments, the terminal device 110 may determine a periodicity for the logging, and log a largest measured value among measured values obtained within the periodicity. In some embodiments, the terminal device 110 may determine the periodicity based on number of Rx beams swept and a periodicity of a RS resource (i.e., measurement resource) . For example, the periodicity may be determined by an equation (6) below. Tperiodicity = n×TCSI-RS       (6)

[0180] where Tperiodicity denotes a periodicity for the logging, n denotes number of Rx beams swept, and TCSI-RS denotes a periodicity of a RS resource configured for the beam measurement.

[0181] In some embodiments, the terminal device 110 may only log the largest measured value among n measured values for one measurement resource.

[0182] In some embodiments, the terminal device 110 may determine the periodicity of the logging based on the first period of time. In some embodiments, the terminal device 110 may determine the first period of time as the periodicity of the logging, e.g., by the equation (5) with a corresponding assumption of m, P, and n. Other details of the determination of the periodicity of the logging are not repeated here for conciseness.

[0183] Alternatively, the terminal device 110 may determine the periodicity of the logging by an equation (7) below. Tperiodicity = max (Tlog, ceil (m×P×n) ×TCSI-RS)       (7)

[0184] where Tperiodicity denotes a periodicity for the logging; Tlog denotes a configured periodicity for the logging; n denotes number of Rx beams swept; TCSI-RS denotes a periodicity of a RS resource configured for the beam measurement; m=1, i.e., only the latest one measurement is considered, no matter of a ‘time restriction for channel measurement’ configuration; and P  denotes a factor related to sharing of concurrent measurements for overlapping multiple purposes. The terminal device 110 may set P to be PAIML that denotes a factor related to sharing of concurrent measurements at least for overlapping AI / ML and non-AI / ML measurements. Additionally, the terminal device 110 may also consider other sharing factor P’, for example, a factor related to sharing of concurrent measurements for GAP and / or SMTC. In this case, P = PAIML×P’ . In addition, during DRX, Tperiodicity may also be related to the DRX duration (e.g., TDRX) .

[0185] In some embodiments, the terminal device 110 may only log the largest measured value among all measured values for one measurement resource obtained within Tperiodicity.

[0186] In some embodiments, the beam measurement and report configuration may indicate that the second number of largest measured values is to be reported. If the second number is the same as number of resources in the second set of resources, the terminal device 110 may only log information of the second number of largest measured values. Alternatively, the terminal device 110 may log information of a RS resource associated with a largest measured value for each time instance or for the set of RS resources, and log the information of the second number of largest measured values for each time instance.

[0187] Similarly as that in the processes 300A to 300C, the terminal device 110 may ignore one or many of the following configurations for the beam measurement for logging the training for AI / ML: ‘qcl-info’ configuration, ‘repetition’ configuration, and ‘timeRestrictionForChannelMeasurement’ configuration. Alternatively, the terminal device 110 may assume that ‘qcl-info’ is always not configured, or assume that ‘repetition’ is always ‘off’ , or assume that ‘timeRestrictionForChannelMeasurement’ is always configured.

[0188] Similarly as that in the process 200, a low overhead log content may be used. In some embodiments where Top M is configured, when M is equal to number of RS resources in the set of RS resources, only one beam information and M measured values (e.g., L1-RSRP) are logged. Alternatively or additionally, since logged results will be reported using a higher layer signaling, and differential measured values may not apply for the logged results, only M measured values are logged. Otherwise, M beam information and M measured values are logged.

[0189] In some embodiments, Top M or M’ is configured, and K latest measurement instances is configured. For each of K latest measurement instances, when M’ is equal to the number of RS resources in the set of RS resources, only 1 beam information and M’  measured values are logged for each of K latest measurement instances, or 1 beam information across K latest measurement instances and M’ measured values are logged for each of K latest measurement instances. Alternatively or additionally, since logged results will be reported using a higher layer signaling, and differential measured values may not apply for the logged results, only M’ measured values are logged. Otherwise, M’ beam information and M’ measured values are logged.

[0190] In some embodiments, when M is equal to a product of K and the number of RS resources in the set of RS resources, only K or 1 beam information and M (or M’ ×K) measured values are logged. Alternatively or additionally, since logged results will be reported using a higher layer signaling, and differential measured values may not apply for the logged results, only M measured values are logged. Otherwise, M beam information and M measured values are logged.

[0191] In some embodiments, other information at the terminal device 110 side may be logged. In some embodiments, the terminal device 110 may log a Rx beamforming gain for the logged measured values. In some embodiments, the terminal device 110 may log condition information (e.g., UE side additional information) of the terminal device 110. In some embodiments, the terminal device 110 may log an indication (e.g., associated ID) associated with the additional information.

[0192] With reference to FIG. 2, the terminal device 110 may report 250 a logged set of first measurement results to the network device 120, e.g., for model training, etc. In this way, the log size or report overhead may be reduced.

[0193] It is to be understood that operations in the processes 200, 300A, 300B and 300C may be carried out separately or in any suitable combinations.

[0194] EXAMPLE IMPLEMENTATION OF MANAGEMENT OF UE SIDED AI / ML MODEL

[0195] To provide accurate measured values for model inference at a terminal device side, embodiments of the present disclosure also provide a solution of beam prediction. This solution will be described in connection with FIG. 4 below.

[0196] FIG. 4 illustrates a signaling chart illustrating another process 400 of communication according to some embodiments of the present disclosure. For the purpose of discussion, the process 400 will be described with reference to FIG. 1. The process 400 may involve the terminal device 110 and the network device 120 as illustrated in FIG. 1. It is to be understood that steps and an order of the steps in FIG. 4 are merely for illustration, and not  for limitation. For example, the order of the steps may be changed. Some of the steps may be omitted or any other suitable additional steps may be added. It is assumed that an AI / ML model is deployed at the terminal device 110.

[0197] As shown in FIG. 4, the network device 120 may transmit 410, to the terminal device 110, a configuration indicating a prediction of information related to a first set of RS resources (i.e., Set A) based on a second set of RS resources (i.e., Set B) . It is to be noted that the present disclosure does not limit contents of the configuration.

[0198] Based on reception of the configuration, the terminal device 110 may determine 420 a third measurement result based on third measurements within a third period of time for a RS resource in the second set of RS resources. In this way, measured values with the best Rx beam may be obtained, and thus accurate measured values may be provided for model inference at a terminal device side.

[0199] In some embodiments, the terminal device 110 may determine the third measurement result by ignoring a part of the configuration. In some embodiments, the part of the configuration may comprise at least one of the following: QCL information for a RS resource in the second set of RS resources; repetition information for the second set of RS resources; or time restriction information for channel measurement.

[0200] In some embodiments, the terminal device 110 may determine the third period of time based at least on at least one of the following: a time required for selecting the model; a time required for performing a model inference of the model; a factor related to number of measurements set as 1 without considering time restriction information for channel measurement; a factor related to number of receiving beams set as number of receiving beams swept; or a factor related to sharing of concurrent measurements at least for overlapping between the third measurements and fourth measurements unrelated to model management.

[0201] For example, the third period of time may be determined by an equation (8) below. T3=max (TReport, ceil (m×P×n) ×TCSI-RS + Tmodel-selection + Tinference)         (8)

[0202] where T3 denotes the third period of time; Tmodel-selection denotes time required for selecting a suitable model; Tinference denotes time required for performing the model inference; TReport denotes a configured periodicity for reporting, it may be expected that TReport ≥ ceil (m×P×n) ×TCSI-RS + Tmodel-selection + Tinference, otherwise the reported prediction may not be obtained with suitable model inputs for AI / ML model inference; TCSI-RS denotes a periodicity  of CSI-RS configured for measurement; m=1, i.e., only the latest one measurement is considered, no matter of a ‘time restriction for channel measurement’ configuration; n denotes number of receiving beams swept, and n may be equal to the maximum number of Rx beams in the worst case, or may be other values that the terminal device 110 reports to the network device 120 or the network device 120 provides with AI / ML model information; and P is set to be PAIML that is a factor related to sharing of concurrent measurements at least for overlapping AI / ML and non-AI / ML measurements (i.e., overlapping between the third measurements and the fourth measurements) . Additionally, the terminal device 110 may also consider other sharing factor P’ , for example, a factor related to sharing of concurrent measurements for GAP and / or SMTC. In this case, P = PAIML×P’ . In addition, during DRX, T3 may also be related to the DRX duration (e.g., TDRX) .

[0203] In some embodiments, Tmodel-selection may be a fourth value if an associated ID is provided in the configuration. In some embodiments, Tmodel-selection may be a fifth value if the associated ID is not provided in the configuration. The associated ID may be used to ensure consistency between model training and model inference if the associated ID is provided. Less time is expected for selecting a suitable model, e.g., the fourth value is smaller than the fifth value.

[0204] In some embodiments for BM-Case 2, results of K measurement instances may be needed. Based on capability of the terminal device 110, the terminal device 110 may perform independent Rx beam determination for each of K different measurement instances. In this case, the third period of time is needed for each of K different measurement instances.

[0205] In some embodiments, based on capability of the terminal device 110, the terminal device 110 may perform joint (i.e., one) Rx beam determination for all K different measurement instances. In some embodiments, the third period of time may be needed for one (e.g., the first measurement instance) of K different measurement instances.

[0206] In some alternative or additional embodiments, independent (or one) Rx determination for every k’ measurement instances in K different measurement instances. In this case, the third period of time may be needed for the first measurement instance in the k’ measurement instances.

[0207] It is to be noted that other details of determination of the third measurement result are similar as that described for determination of the first measurement result in FIGs. 3A to 3C, and are not repeated here for conciseness.

[0208] Continuing to refer to FIG. 4, the terminal device 110 may predict 430 the information with the third measurement result as an input of the model. As shown in FIG. 4, the terminal device 110 may report 440 the predicted information to the network device 120.

[0209] So far, it is ensured that measured values for model inputs may be obtained by the best Rx beam and predicted information may be reported to NW.

[0210] With reference to FIG. 4, in some embodiments, upon determination of the third measurement result, the terminal device 110 may log 450 the third measurement result. In some embodiments, the terminal device 110 may determine a periodicity for the logging, and log a largest measured value among measured values obtained within the periodicity.

[0211] In some embodiments, the terminal device 110 may determine the periodicity based on number of Rx beams swept and a periodicity of a RS resource (i.e., measurement resource) , e,g., via the above equation (6) . In some embodiments, the terminal device 110 may only log the largest measured value among n measured values for one measurement resource.

[0212] In some embodiments, the terminal device 110 may determine the periodicity of the logging based on the third period of time. In some embodiments, the terminal device 110 may determine the third period of time as the periodicity of the logging, e.g., by the equation (8) . Other details of the determination of the periodicity of the logging are not repeated here for conciseness.

[0213] Alternatively, the terminal device 110 may determine the periodicity of the logging by an equation (9) below. T’periodicity=max (Tlog, ceil (m×P×n) ×TCSI-RS + Tmodel-selection + Tinference)          (9)

[0214] where T’ periodicity denotes a periodicity for the logging; Tlog denotes a configured periodicity for the logging; Tmodel-selection denotes time required for selecting a suitable model; Tinference denotes time required for performing the model inference; n denotes number of Rx beams swept; TCSI-RS denotes a periodicity of a RS resource configured for the beam measurement; m=1, i.e., only the latest one measurement is considered, no matter of a ‘time restriction for channel measurement’ configuration; and P denotes a factor related to sharing of concurrent measurements for overlapping multiple purposes. The terminal device 110 may set P to be PAIML that denotes a factor related to sharing of concurrent measurements at least for overlapping AI / ML and non-AI / ML measurements. Additionally, the terminal device 110 may also consider other sharing factor P’ , for example, a factor related to sharing of  concurrent measurements for GAP and / or SMTC. In this case, P = PAIML×P’ . In addition, during DRX, T’ periodicity may also be related to the DRX duration (e.g., TDRX) .

[0215] In some embodiments, the terminal device 110 may only log the largest measured value among all measured values for one measurement resource obtained within T’ periodicity.

[0216] In some embodiments, if number (also referred to as a fourth number herein) of predicted beams is the same as number of resources in the second set of resources, the terminal device 110 may only log information of the fourth number of largest measured values. Alternatively, the terminal device 110 may log information of a RS resource associated with a largest measured value for each time instance or for the set of RS resources, and log the information of the fourth number of largest measured values for each time instance.

[0217] Similarly as that in the processes 300A to 300C, the terminal device 110 may ignore one or many of the following configurations for the beam measurement for logging the training for AI / ML: ‘qcl-info’ configuration, ‘repetition’ configuration, and ‘timeRestrictionForChannelMeasurement’ configuration. Alternatively, the terminal device 110 may assume that ‘qcl-info’ is always not configured, or assume that ‘repetition’ is always ‘off’ , or assume that ‘timeRestrictionForChannelMeasurement’ is always configured.

[0218] Similarly as that in the process 200, a low overhead log content may be used. In some embodiments where Top M is configured, when M is equal to number of RS resources in the set of RS resources, only one beam information and M measured values (e.g., L1-RSRP) are logged. Alternatively or additionally, since logged results may not be reported or may be reported using other signaling to a model training entity, and differential measured values may not apply for the logged results, only M measured values are logged. Otherwise, M beam information and M measured values are logged.

[0219] In some embodiments, Top M or M’ is configured, and K latest measurement instances is configured. For each of K latest measurement instances, when M’ is equal to the number of RS resources in the set of RS resources, only 1 beam information and M’ measured values are logged for each of K latest measurement instances, or 1 beam information across K latest measurement instances and M’ measured values are logged for each of K latest measurement instances. Alternatively or additionally, since logged results may not be reported or may be reported using other signaling to a model training entity, and differential measured values may not apply for the logged results, only M’ measured values  are logged. Otherwise, M’ beam information and M’ measured values are logged.

[0220] In some embodiments, when M is equal to a product of K and the number of RS resources in the set of RS resources, only K or 1 beam information and M (or M’ ×K) measured values are logged. Alternatively or additionally, since logged results may not be reported or may be reported using other signaling to a model training entity, and differential measured values may not apply for the logged results, only M measured values are logged. Otherwise, M beam information and M measured values are logged.

[0221] In some embodiments, other information at the terminal device 110 side may be logged. In some embodiments, the terminal device 110 may log a Rx beamforming gain for the logged measured values. In some embodiments, the terminal device 110 may log condition information (e.g., UE side additional information) of the terminal device 110. In some embodiments, the terminal device 110 may log an indication (e.g., associated ID) associated with the additional information.

[0222] Continuing to refer to FIG. 4, the terminal device 110 may apply 460 a logged set of third measurement results for model training at the terminal device 110. In this way, a log size may be reduced.

[0223] It is to be understood that operations in the process 400 may be carried out separately or in any suitable combinations.

[0224] EXAMPLE IMPLEMENTATION OF METHODS

[0225] Corresponding to the above processes, embodiments of the present disclosure provide methods of communication implemented at a terminal device and a network device. These methods will be described below with reference to FIGs. 5 to 7.

[0226] FIG. 5 illustrates a flowchart of a method 500 of communication implemented at a terminal device in accordance with some embodiments of the present disclosure. For example, the method 500 may be performed at the terminal device 110 as shown in FIG. 1. For the purpose of discussion, in the following, the method 500 will be described with reference to FIG. 1. It is to be understood that the method 500 may include additional blocks not shown and / or may omit some blocks as shown, and the scope of the present disclosure is not limited in this regard.

[0227] At block 510, the terminal device 110 may receive, from the network device 120, a configuration for a measurement based on a set of RS resources.

[0228] In some embodiments, the configuration may comprise at least one of the following: information of a model; information of overhead reduction in a report of the measurement; information of a report quantity for model management; information indicating that the second number of largest measured values is to be reported; information of more than one resource set for the report of the measurement; information indicating that a set of measured values that have a difference from a largest measured value lower than or equal to a first threshold is to be reported; information indicating that a set of measured values larger than or equal to a second threshold is to be reported; timing information associated with the measurement; number of reported RSs that is larger than a first value; number of RS resources in the set of RS resources that is larger than a second value; the second number is larger than a third value; the second number is larger than number of RS resources in the set of RS resources; absence of repetition information for the set of RS resources; or absence of QCL information for a RS resource in the set of RS resources.

[0229] In some embodiments, the timing information may indicate at least one of the following: a third number of time instances; a measurement window; a measurement interval; or a prediction window.

[0230] At block 520, the terminal device 110 may determine, based on the configuration, that a first measurement result is required for model management. In some embodiments, the model management may comprise at least one of model training, model inference, or model monitoring.

[0231] At block 530, the terminal device 110 may report, to the network device 120, the first measurement result indicating a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances. The first number is unequal to the second number.

[0232] In some embodiments, the terminal device 110 may determine the first measurement result based on first measurements within a first period of time for a RS resource in the set of RS resources.

[0233] In some embodiments, the terminal device 110 may determine the first measurement result by ignoring a part of the configuration comprising at least one of the following: QCL information for a RS resource in the set of RS resources; repetition information for the set of RS resources; or time restriction information for channel measurement.

[0234] In some embodiments, the terminal device 110 may determine the first period of time by: setting a factor related to number of measurements to be 1 without considering time restriction information for channel measurement; setting a factor related to number of receiving beams to be number of receiving beams swept; and setting a factor related to sharing of concurrent measurements at least for overlapping between the first measurements and second measurements unrelated to model management.

[0235] In some embodiments where the set of time instances comprises a time instance and the second number is equal to number of RS resources in the set of RS resources, the first measurement result may comprise: information of a RS resource associated with a largest measured value for the set of RS resources at the time instance, and information of the second number of largest measured values in the set of measured values for the set of RS resources.

[0236] In some embodiments where the second number is equal to a product of number of RS resources in the set of RS resources and number of time instances in the set of time instances, and the set of largest measured values comprises a largest measured value, the first measurement result may comprise: information of a RS resource associated with the largest measured value for the set of RS resources at the set of time instances, and information of the second number of largest measured values in the set of measured values for the set of RS resources at each time instance in the set of time instances.

[0237] In some embodiments where the second number is equal to a product of number of RS resources in the set of RS resources and number of time instances in the set of time instances, the first measurement result may comprise: information of a RS resource associated with a largest measured value for the set of RS resources at each time instance in the set of time instances, and information of the second number of largest measured values in the set of measured values for the set of RS resources at each time instance in the set of time instances.

[0238] In some embodiments, the terminal device 110 may report the first measurement result by: logging the first measurement result; and reporting a logged set of first measurement results for model training.

[0239] In some embodiments, the terminal device 110 may log the first measurement result by:logging a largest measured value among measured values obtained within a periodicity. In some embodiments, the terminal device 110 may determine the periodicity based on number of receiving beams swept and a periodicity of the RS resource. In some embodiments,  the terminal device 110 may determine the periodicity based on the first period of time.

[0240] In some embodiments where the configuration indicates that the second number of largest measured values is to be reported, the terminal device 110 may log the first measurement result by: in accordance with a determination that the second number is the same as number of resources in the second set of resources, logging information of the second number of largest measured values for each time instance; or logging information of a RS resource associated with a largest measured value for each time instance or for the set of RS resources, and the information of the second number of largest measured values for each time instance.

[0241] In some embodiments, the terminal device 110 may log information of the terminal device 110 comprising at least one of the following: a receiving beamforming gain for the logged first measurement result; condition information of the terminal device 110; or an indication associated with the condition information.

[0242] With the method 500, ambiguity on whether to adopt a beam report for model management of a NW-sided AI / ML model may be avoided.

[0243] FIG. 6 illustrates a flowchart of another method 600 of communication implemented at a terminal device in accordance with some embodiments of the present disclosure. For example, the method 600 may be performed at the terminal device 110 as shown in FIG. 1. For the purpose of discussion, in the following, the method 600 will be described with reference to FIG. 1. It is to be understood that the method 600 may include additional blocks not shown and / or may omit some blocks as shown, and the scope of the present disclosure is not limited in this regard.

[0244] At block 610, the terminal device 110 may receive, from the network device 120, a configuration indicating a prediction of information related to a first set of RS resources based on a second set of RS resources.

[0245] At block 620, the terminal device 110 may determine a third measurement result based on third measurements within a third period of time for a RS resource in the second set of RS resources.

[0246] In some embodiments, the terminal device 110 may determine the third period of time based at least on at least one of the following: a time required for selecting the model; a time required for performing a model inference of the model; a factor related to number of measurements set as 1 without considering time restriction information for channel  measurement; a factor related to number of receiving beams set as number of receiving beams swept; or a factor related to sharing of concurrent measurements at least for overlapping between the third measurements and fourth measurements unrelated to model management.

[0247] In some embodiments, the terminal device 110 may determine the third measurement result by ignoring a part of the configuration comprising at least one of the following: QCL information for a RS resource in the second set of RS resources; repetition information for the second set of RS resources; or time restriction information for channel measurement.

[0248] At block 630, the terminal device 110 may predict the information with the third measurement result as an input of a model.

[0249] In some embodiments, the terminal device 110 may report the information to the network device 120.

[0250] With the method 600, an accurate measured result may be provided for model inference of a UE sided AI / ML model.

[0251] FIG. 7 illustrates a flowchart of a method 700 of communication implemented at a network device in accordance with some embodiments of the present disclosure. For example, the method 700 may be performed at the network device 120 as shown in FIG. 1. For the purpose of discussion, in the following, the method 700 will be described with reference to FIG. 1. It is to be understood that the method 700 may include additional blocks not shown and / or may omit some blocks as shown, and the scope of the present disclosure is not limited in this regard.

[0252] At block 710, the network device 120 may transmit, to the terminal device 110, a configuration for a measurement based on a set of RS resources.

[0253] In some embodiments, the configuration may comprise at least one of the following: information of a model; information of overhead reduction in a report of the measurement; information of a report quantity for model management; information indicating that the second number of largest measured values is to be reported; information of more than one resource set for the report of the measurement; information indicating that a set of measured values that have a difference from a largest measured value lower than or equal to a first threshold is to be reported; information indicating that a set of measured values larger than or equal to a second threshold is to be reported; timing information associated with the measurement; number of reported RSs that is larger than a first value; number of RS resources  in the set of RS resources that is larger than a second value; the second number is larger than a third value; the second number is larger than number of RS resources in the set of RS resources; absence of repetition information for the set of RS resources; or absence of QCL information for a RS resource in the set of RS resources.

[0254] In some embodiments, the timing information may indicate at least one of the following: a third number of time instances; a measurement window; a measurement interval; or a prediction window.

[0255] At block 720, the network device 120 may receive, from the terminal device 110, a first measurement result for model management. In some embodiments, the first measurement result may indicate a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances. The first number is unequal to the second number.

[0256] In some embodiments, the model management may comprise at least one of model training, model inference, or model monitoring.

[0257] In some embodiments where the set of time instances comprises a time instance and the second number is equal to number of RS resources in the set of RS resources, the first measurement result may comprise: information of a RS resource associated with a largest measured value for the set of RS resources at the time instance, and information of the second number of largest measured values in the set of measured values for the set of RS resources.

[0258] In some embodiments where the second number is equal to a product of number of RS resources in the set of RS resources and number of time instances in the set of time instances, and the set of largest measured values comprises a largest measured value, the first measurement result may comprise: information of a RS resource associated with the largest measured value for the set of RS resources at the set of time instances, and information of the second number of largest measured values in the set of measured values for the set of RS resources at each time instance in the set of time instances.

[0259] In some embodiments where the second number is equal to a product of number of RS resources in the set of RS resources and number of time instances in the set of time instances, the first measurement result may comprise: information of a RS resource associated with a largest measured value for the set of RS resources at each time instance in the set of time instances, and information of the second number of largest measured values  in the set of measured values for the set of RS resources at each time instance in the set of time instances.

[0260] In some embodiments, the network device 120 may receive a logged set of first measurement results for model training.

[0261] With the method 700, ambiguity on whether to adopt a beam report for model management of a NW-sided AI / ML model may be avoided. It is to be understood that operations of the methods 500 to 700 correspond to that described in connection with FIGs. 2 to 4, and other details are omitted here for conciseness.

[0262] EXAMPLE IMPLEMENTATION OF DEVICES

[0263] FIG. 8 is a simplified block diagram of a device 800 that is suitable for implementing embodiments of the present disclosure. The device 800 can be considered as a further example implementation of the terminal device 110 or the network device 120 as shown in FIG. 1. Accordingly, the device 800 can be implemented at or as at least a part of the terminal device 110 or the network device 120.

[0264] As shown, the device 800 includes a processor 810, a memory 820 coupled to the processor 810, a suitable transceiver 840 coupled to the processor 810, and a communication interface coupled to the transceiver 840. The memory 810 stores at least a part of a program 830. The transceiver 840 may be for bidirectional communications or a unidirectional communication based on requirements. The transceiver 840 may include at least one of a transmitter 842 or a receiver 844. The transmitter 842 and the receiver 844 may be functional modules or physical entities. The transceiver 840 has at least one antenna to facilitate communication, though in practice an Access Node mentioned in this application may have several ones. The communication interface may represent any interface that is necessary for communication with other network elements, such as X2 / Xn interface for bidirectional communications between eNBs / gNBs, S1 / NG interface for communication between a mobility management entity (MME)  / access and mobility management function (AMF)  / SGW / UPF and the eNB / gNB, Un interface for communication between the eNB / gNB and a relay node (RN) , or Uu interface for communication between the eNB / gNB and a terminal device.

[0265] The program 830 is assumed to include program instructions that, when executed by the associated processor 810, enable the device 800 to operate in accordance with the embodiments of the present disclosure, as discussed herein with reference to FIGs. 1 to 7.  The embodiments herein may be implemented by computer software executable by the processor 810 of the device 800, or by hardware, or by a combination of software and hardware. The processor 810 may be configured to implement various embodiments of the present disclosure. Furthermore, a combination of the processor 810 and memory 820 may form processing means 850 adapted to implement various embodiments of the present disclosure.

[0266] The memory 820 may be of any type suitable to the local technical network and may be implemented using any suitable data storage technology, such as a non-transitory computer readable storage medium, semiconductor based memory devices, magnetic memory devices and systems, optical memory devices and systems, fixed memory and removable memory, as non-limiting examples. While only one memory 820 is shown in the device 800, there may be several physically distinct memory modules in the device 800. The processor 810 may be of any type suitable to the local technical network, and may include one or more of general purpose computers, special purpose computers, microprocessors, digital signal processors (DSPs) and processors based on multicore processor architecture, as non-limiting examples. The device 800 may have multiple processors, such as an application specific integrated circuit chip that is slaved in time to a clock which synchronizes the main processor.

[0267] In some embodiments, a terminal device comprises a circuitry configured to: receive, from a network device, a configuration for a measurement based on a set of RS resources; determine, based on the configuration, that a first measurement result is required for model management; and report, to the network device, the first measurement result indicating a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances, wherein the first number is unequal to the second number.

[0268] In some embodiments, a terminal device comprises a circuitry configured to: receive, from a network device, a configuration indicating a prediction of information related to a first set of RS resources based on a second set of RS resources; determine a third measurement result based on third measurements within a third period of time for a RS resource in the second set of RS resources; and predict the information with the third measurement result as an input of a model.

[0269] In some embodiments, a network device comprises a circuitry configured to: transmit, to a terminal device, a configuration for a measurement based on a set of RS resources; and receive, from the terminal device, a first measurement result for model management, the first measurement result indicating a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances, wherein the first number is unequal to the second number.

[0270] The term ‘circuitry’ used herein may refer to hardware circuits and / or combinations of hardware circuits and software. For example, the circuitry may be a combination of analog and / or digital hardware circuits with software / firmware. As a further example, the circuitry may be any portions of hardware processors with software including digital signal processor (s) , software, and memory (ies) that work together to cause an apparatus, such as a terminal device or a network device, to perform various functions. In a still further example, the circuitry may be hardware circuits and or processors, such as a microprocessor or a portion of a microprocessor, that requires software / firmware for operation, but the software may not be present when it is not needed for operation. As used herein, the term circuitry also covers an implementation of merely a hardware circuit or processor (s) or a portion of a hardware circuit or processor (s) and its (or their) accompanying software and / or firmware.

[0271] Generally, various embodiments of the present disclosure may be implemented in hardware or special purpose circuits, software, logic or any combination thereof. Some aspects may be implemented in hardware, while other aspects may be implemented in firmware or software which may be executed by a controller, microprocessor or other computing device. While various aspects of embodiments of the present disclosure are illustrated and described as block diagrams, flowcharts, or using some other pictorial representation, it will be appreciated that the blocks, apparatus, systems, techniques or methods described herein may be implemented in, as non-limiting examples, hardware, software, firmware, special purpose circuits or logic, general purpose hardware or controller or other computing devices, or some combination thereof.

[0272] The present disclosure also provides at least one computer program product tangibly stored on a non-transitory computer readable storage medium. The computer program product includes computer-executable instructions, such as those included in program modules, being executed in a device on a target real or virtual processor, to carry out the process or method as described above with reference to FIGs. 1 to 7. Generally, program  modules include routines, programs, libraries, objects, classes, components, data structures, or the like that perform particular tasks or implement particular abstract data types. The functionality of the program modules may be combined or split between program modules as desired in various embodiments. Machine-executable instructions for program modules may be executed within a local or distributed device. In a distributed device, program modules may be located in both local and remote storage media.

[0273] Program code for carrying out methods of the present disclosure may be written in any combination of one or more programming languages. These program codes may be provided to a processor or controller of a general purpose computer, special purpose computer, or other programmable data processing apparatus, such that the program codes, when executed by the processor or controller, cause the functions / operations specified in the flowcharts and / or block diagrams to be implemented. The program code may execute entirely on a machine, partly on the machine, as a stand-alone software package, partly on the machine and partly on a remote machine or entirely on the remote machine or server.

[0274] The above program code may be embodied on a machine readable medium, which may be any tangible medium that may contain, or store a program for use by or in connection with an instruction execution system, apparatus, or device. The machine readable medium may be a machine readable signal medium or a machine readable storage medium. A machine readable medium may include but not limited to an electronic, magnetic, optical, electromagnetic, infrared, or semiconductor system, apparatus, or device, or any suitable combination of the foregoing. More specific examples of the machine readable storage medium would include an electrical connection having one or more wires, a portable computer diskette, a hard disk, a random access memory (RAM) , a read-only memory (ROM) , an erasable programmable read-only memory (EPROM or Flash memory) , an optical fiber, a portable compact disc read-only memory (CD-ROM) , an optical storage device, a magnetic storage device, or any suitable combination of the foregoing.

[0275] Further, while operations are depicted in a particular order, this should not be understood as requiring that such operations be performed in the particular order shown or in sequential order, or that all illustrated operations be performed, to achieve desirable results. In certain circumstances, multitasking and parallel processing may be advantageous. Likewise, while several specific implementation details are contained in the above discussions, these should not be construed as limitations on the scope of the present disclosure, but rather as descriptions of features that may be specific to particular  embodiments. Certain features that are described in the context of separate embodiments may also be implemented in combination in a single embodiment. Conversely, various features that are described in the context of a single embodiment may also be implemented in multiple embodiments separately or in any suitable sub-combination.

[0276] Although the present disclosure has been described in language specific to structural features and / or methodological acts, it is to be understood that the present disclosure defined in the appended claims is not necessarily limited to the specific features or acts described above. Rather, the specific features and acts described above are disclosed as example forms of implementing the claims.

Claims

1.A terminal device, comprising:a processor configured to cause the terminal device to:receive, from a network device, a configuration for a measurement based on a set of reference signal (RS) resources;determine, based on the configuration, that a first measurement result is required for model management; andreport, to the network device, the first measurement result indicating a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances, wherein the first number is unequal to the second number.2.The terminal device of claim 1, wherein the configuration comprises at least one of the following:information of a model;information of overhead reduction in a report of the measurement;information of a report quantity for model management;information indicating that the second number of largest measured values is to be reported;information of more than one resource set for the report of the measurement;information indicating that a set of measured values that have a difference from a largest measured value lower than or equal to a first threshold is to be reported;information indicating that a set of measured values larger than or equal to a second threshold is to be reported;timing information associated with the measurement;number of reported RSs that is larger than a first value;number of RS resources in the set of RS resources that is larger than a second value;the second number is larger than a third value;the second number is larger than number of RS resources in the set of RS resources;absence of repetition information for the set of RS resources; orabsence of quasi co-location (QCL) information for a RS resource in the set of RS resources.3.The terminal device of claim 2, wherein the timing information indicates at least one of the following:a third number of time instances;a measurement window;a measurement interval; ora prediction window.4.The terminal device of claim 1, wherein the model management comprises at least one of model training, model inference, or model monitoring.5.The terminal device of claim 1, wherein the terminal device is further caused to:determine the first measurement result based on first measurements within a first period of time for a RS resource in the set of RS resources.6.The terminal device of claim 5, wherein the terminal device is caused to determine the first measurement result by:ignoring a part of the configuration comprising at least one of the following:quasi co-location (QCL) information for a RS resource in the set of RS resources;repetition information for the set of RS resources; ortime restriction information for channel measurement.7.The terminal device of claim 5, wherein the terminal device is further caused to determine the first period of time by:setting a factor related to number of measurements to be 1 without considering time restriction information for channel measurement;setting a factor related to number of receiving beams to be number of receiving beams swept; andsetting a factor related to sharing of concurrent measurements at least for overlapping between the first measurements and second measurements unrelated to model management.8.The terminal device of claim 1, wherein the set of time instances comprises a time instance, and the second number is equal to number of RS resources in the set of RS resources, and wherein the first measurement result comprises:information of a RS resource associated with a largest measured value for the set of RS resources at the time instance, andinformation of the second number of largest measured values in the set of measured values for the set of RS resources.9.The terminal device of claim 1, wherein the second number is equal to a product of number of RS resources in the set of RS resources and number of time instances in the set of time instances, and the set of largest measured values comprises a largest measured value, and wherein the first measurement result comprises:information of a RS resource associated with the largest measured value for the set of RS resources at the set of time instances, andinformation of the second number of largest measured values in the set of measured values for the set of RS resources at each time instance in the set of time instances.10.The terminal device of claim 1, wherein the second number is equal to a product of number of RS resources in the set of RS resources and number of time instances in the set of time instances, and wherein the first measurement result comprises:information of a RS resource associated with a largest measured value for the set of RS resources at each time instance in the set of time instances, andinformation of the second number of largest measured values in the set of measured values for the set of RS resources at each time instance in the set of time instances.11.The terminal device of claim 1, wherein the terminal device is caused to report the first measurement result by:logging the first measurement result; andreporting a logged set of first measurement results for model training.12.The terminal device of claim 11, wherein the terminal device is caused to log the first measurement result by:logging a largest measured value among measured values obtained within a periodicity.13.The terminal device of claim 12, wherein the terminal device is further caused to:determine the periodicity based on number of receiving beams swept and a periodicity of the RS resource; ordetermine the periodicity based on the first period of time.14.The terminal device of claim 11, wherein the configuration indicates that the second number of largest measured values is to be reported, and wherein the terminal device is caused to log the first measurement result by:in accordance with a determination that the second number is the same as number of resources in the second set of resources, logging information of the second number of largest measured values for each time instance; orlogging information of a RS resource associated with a largest measured value for each time instance or for the set of RS resources, and the information of the second number of largest measured values for each time instance.15.The terminal device of claim 11, wherein the terminal device is further caused to:log information of the terminal device comprising at least one of the following:a receiving beamforming gain for the logged first measurement result;condition information of the terminal device; oran indication associated with the condition information.16.A terminal device, comprising:a processor configured to cause the terminal device to:receive, from a network device, a configuration indicating a prediction of information related to a first set of reference signal (RS) resources based on a second set of RS resources;determine a third measurement result based on third measurements within a third period of time for a RS resource in the second set of RS resources; andpredict the information with the third measurement result as an input of a model.17.The terminal device of claim 16, wherein the terminal device is further caused to:report the information to the network device.18.The terminal device of claim 16, wherein the terminal device is further caused to:determine the third period of time based at least on at least one of the following:a time required for selecting the model;a time required for performing a model inference of the model;a factor related to number of measurements set as 1 without considering time restriction information for channel measurement;a factor related to number of receiving beams set as number of receiving beams swept; ora factor related to sharing of concurrent measurements at least for overlapping between the third measurements and fourth measurements unrelated to model management.19.The terminal device of claim 16, wherein the terminal device is caused to determine the third measurement result by:ignoring a part of the configuration comprising at least one of the following:quasi co-location (QCL) information for a RS resource in the second set of RS resources;repetition information for the second set of RS resources; ortime restriction information for channel measurement.20.A network device, comprising:a processor configured to cause the network device to:transmit, to a terminal device, a configuration for a measurement based on a set of reference signal (RS) resources; andreceive, from the terminal device, a first measurement result for model management, the first measurement result indicating a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances, wherein the first number is unequal to the second number.21.The network device of claim 20, wherein the configuration comprises at least one of the following:information of a model;information of overhead reduction in a report of the measurement;information of a report quantity for model management;information indicating that the second number of largest measured values is to be reported;information of more than one resource set for the report of the measurement;information indicating that a set of measured values that have a difference from a largest measured value lower than or equal to a first threshold is to be reported;information indicating that a set of measured values larger than or equal to a second threshold is to be reported;timing information associated with the measurement;number of reported RSs that is larger than a first value;number of RS resources in the set of RS resources that is larger than a second value;the second number is larger than a third value;the second number is larger than number of RS resources in the set of RS resources;absence of repetition information for the set of RS resources; orabsence of quasi co-location (QCL) information for a RS resource in the set of RS resources.22.The network device of claim 21, wherein the timing information indicates at least one of the following:a third number of time instances;a measurement window;a measurement interval; ora prediction window.23.The network device of claim 20, wherein the model management comprises at least one of model training, model inference, or model monitoring.24.The network device of claim 20, wherein the set of time instances comprises a time instance, and the second number is equal to number of RS resources in the set of RS resources, and wherein the first measurement result comprises:information of a RS resource associated with a largest measured value for the set of RS resources at the time instance, andinformation of the second number of largest measured values in the set of measured values for the set of RS resources.25.The network device of claim 20, wherein the second number is equal to a product of number of RS resources in the set of RS resources and number of time instances in the set of time instances, and the set of largest measured values comprises a largest measured value, and wherein the first measurement result comprises:information of a RS resource associated with the largest measured value for the set of RS resources at the set of time instances, andinformation of the second number of largest measured values in the set of measured values for the set of RS resources at each time instance in the set of time instances.26.The network device of claim 20, wherein the second number is equal to a product of number of RS resources in the set of RS resources and number of time instances in the set of time instances, and wherein the first measurement result comprises:information of a RS resource associated with a largest measured value for the set of RS resources at each time instance in the set of time instances, andinformation of the second number of largest measured values in the set of measured values for the set of RS resources at each time instance in the set of time instances.27.The network device of claim 20, wherein the network device is further caused to:receive a logged set of first measurement results for model training.28.A method of communication, comprising:receiving, at a terminal device and from a network device, a configuration for a measurement based on a set of reference signal (RS) resources;determining, based on the configuration, that a first measurement result is required for model management; andreporting, to the network device, the first measurement result indicating a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances, wherein the first number is unequal to the second number.29.A method of communication, comprising:receiving, from a network device, a configuration indicating a prediction of information related to a first set of reference signal (RS) resources based on a second set of RS resources;determining a third measurement result based on third measurements within a third period of time for a RS resource in the second set of RS resources; andpredicting the information with the third measurement result as an input of a model.30.A method of communication, comprising:transmitting, at a network device and to a terminal device, a configuration for a measurement based on a set of reference signal (RS) resources; andreceiving, from the terminal device, a first measurement result for model management, the first measurement result indicating a first number of RS resources associated with a set of largest measured values for a set of time instances and a second number of largest measured values in a set of measured values for each time instance in the set of time instances, wherein the first number is unequal to the second number.

Images