空口问题具有决策变量维度高、无线环境动态性强、不同任务差异大等特点，直接应用其他领域AI技术所需的存储和算力开销大，难以在资源受限的无线边缘实现。通过在DNN设计中引入通信领域知识，是无线AI领域近年来一直在探索的问题。深度展开是一种系统化利用优化算法的思路，但难以通用且推理复杂度高。最近业界的另一种趋势是借鉴物理信息机器学习（PIML）的设计思路，挖掘无线系统中的“物理知识”。然而，无线通信领域本身有很多独特的规律和知识，把通信信息融入设计和训练智能空口DNN的方法与PIML并不相同。本报告面向空口AI所面临的可扩展、可泛化和多任务等难题，介绍系统化发现并利用无线先验设计高效学习空口策略DNN的几种方法。