Aug, 2023

在零触碰网络中利用大型语言模型提高基于 DRL 的抗干扰策略

PDF
TL;DR本文探讨了将大型语言模型（LLMs）融入 Zero Touch Networks（ZTNs）的可能性，凸显了它们提升网络透明度和改善用户交互的潜力。通过对基于深度强化学习（DRL）的反干扰技术的综合案例研究，我们展示了 LLMs 如何将复杂的网络操作转化为直观易懂的报告。此外，我们还着重讨论了将 LLMs 与 ZTNs 融合的技术和伦理复杂性，包括数据隐私、透明度和偏见减少。展望未来，在 LLMs 和 ZTNs 交叉领域我们认为有新兴的研究方向，倡导在自动化网络领域持续创新和跨学科协同合作。
sixth-generation networkingzero touch networkslarge language modelsnetwork transparencyautomated networks
发现论文，激发创造
  • 大型语言模型（LLMs）辅助城市环境下的无线网络部署

    利用大型语言模型（LLMs）为六代（6G）无线通信技术引入一种基于强化学习的新框架，该框架在都市环境中通过训练 RL 代理并结合卷积神经网络（CNNs）利用 LLMs 的优势以及减轻其限制，在优化区域覆盖范围的网络部署中表现出色。

    May, 2024

  • 零触碰网络：迈向下一代网络自动化

    零触式网络和服务管理（ZSM）框架是第五代（5G）及其之后（5G+）网络管理的新兴范式，通过自动化的自管理和自愈能力应对现代网络的日益复杂和不断增长的数据量。该研究通过综述零触式网络（ZTNs）的领域，探讨了 ZSM 框架中的网络优化、流量监控、能源效率和安全性等方面。研究发现，将自动化机器学习（AutoML）应用于 ZTNs 中，可以降低网络管理成本并提高性能。实验结果表明，AutoML 对于应用吞吐量的预测具有卓越的准确性。将 AutoML 与 ZSM 概念集成，显著降低了网络配置和管理工作量，使运营商能够更多地投入时间和资源到其他重要任务。该研究还提供了一个集成 AutoML 和 ZSM 概念的高层 5G 系统架构。研究突显了 ZTNs 和 AutoML 在改进 5G + 网络管理方面的潜力，实现自动化决策，并使网络运营商能够实现更高的效率、更好的性能和更优化的用户体验。

    Dec, 2023

  • 电信领域的大型语言模型（LLM）：原则、关键技术和机遇的全面调研

    大型语言模型 (LLMs) 在最近因其出色的理解和推理能力而受到了广泛关注，取得了许多领域的巨大进展。LLM 技术的进步也为电信领域的许多任务自动化提供了有希望的机会。本工作旨在提供 LLM-enabled 电信网络的全面概述，介绍了 LLM 的基本原理、关键技术和电信应用，并给出了未来发展方向。

    May, 2024

  • 生成 AI 在循环中：将 LLM 和 GPT 集成到下一代网络

    通过将大型语言模型（LLMs）与机器学习（ML）模型相结合，我们提出了 “生成式 AI 在环” 的概念，利用 LLMs 的语义理解、上下文感知和推理能力来辅助人类处理移动通信网络中的复杂或意外情况，并通过合成数据来增强基于 ML 的网络入侵检测，这进一步展示出我们提出的想法的优势。

    Jun, 2024

  • LLM-Twin: 基于 Mini-Giant 模型推动的超越 5G 的数字孪生网络框架与安全语义通信和计算

    提出了一种大型语言模型（LLM）驱动的数字孪生网络框架（LLM-Twin），通过远程合作方案实现了 LLM 在数字孪生网络中的高效部署，并为数字孪生网络设计了语义级高效和安全的通信模型，经过数值实验和案例研究验证了 LLM-Twin 的可行性，这是第一个提出 LLM 驱动的语义级数字孪生网络框架。

    Dec, 2023

  • 大型语言模型在电信领域的语言智能

    在自然语言处理领域中，本研究通过对四个知名的大型语言模型（Llama-2，Falcon，Mistral 和 Zephyr）进行全面的零样本评估，与最先进的微调模型进行性能比较，评估了大型语言模型在电信领域内的知识和理解能力，并发现零样本的大型语言模型能够在这一领域内达到与当前最先进微调模型相当的性能水平，突显了大型语言模型作为理解这一领域不足的各个方面的有价值资源的潜力。

    Feb, 2024

  • 大型语言模型与光网络的融合：实现自动化的道路

    提出了一种以 GPT 为基础的光网络框架，通过部署在控制层的智能代理实现对物理层的智能控制和与应用层的高效交互。框架通过用户输入和精心制作的提示来从光网络专业领域的全面资源库中提取领域知识，并生成控制指令和结果表示，以实现在光网络的自主运行和维护。研究还详细描述了进行提示工程、建立领域知识库和执行复杂任务的方法，然后在网络告警分析和网络性能优化这两个典型任务上对所提出的框架进行了验证，2,400 个测试情境的响应准确率和语义相似性显示了 GPT 在光网络中巨大的潜力。

    May, 2024

  • 大型语言模型网络适应

    利用大型语言模型 (LLM) 的适应性，以提供更好的性能和更强的泛化能力，本文首次研究了将 LLM 应用于网络的可持续设计理念，通过 NetLLM 框架实现了高效的 LLM 适应网络问题，并展示了它在不同网络任务中的有效性。

    Feb, 2024

  • 大型语言模型在电信行业的应用：下一个重大趋势？

    介绍引导性人工智能在电信领域中，为无线网络提供新机遇与应用的可能性，借助大型语言模型技术，实现具有人工智能的无线通信新领域的发展。

    Jun, 2023

  • 大型语言模型驱动的移动网络课程设计

    本文提出了一种新颖的框架，利用大型语言模型（LLMs）来自动化课程设计，从而增强了强化学习在移动网络中的应用。

    May, 2024