Mar, 2024

利用大型语言模型（LLMs）加速无线电频谱管理工作流程

PDF
TL;DR无线频谱规制是一项复杂而严苛的过程，本文介绍了利用大型语言模型（LLMs）来加速频谱规制过程的示例应用，同时探讨了 LLMs 在此背景下可能扮演的各种角色以及需要解决的一些挑战，并通过实际案例和实验提供了相应的见解，突显了 LLMs 在频谱管理中的转型潜力。
wireless spectrum regulationtechnological progressspectrum managementlarge language modelsregulatory processes
发现论文，激发创造
  • WirelessLLM: 大规模语言模型赋能无线智能

    这篇研究论文介绍了一种名为 WirelessLLM 的综合框架，旨在将大型语言模型应用于无线通信网络领域，并解决其独特挑战和需求。通过确定知识对齐、知识融合和知识演进三个基本原则，并探讨了构建 WirelessLLM 的关键技术，包括提示工程、检索增强生成、工具使用、多模态预训练和领域特定微调。此外，还展示了 WirelessLLM 在解决无线网络典型问题方面的实际应用和益处，并提出了未来研究的挑战和潜在方向。

    May, 2024

  • 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

  • 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

  • 大型语言模型的效率谱：算法调查

    综述了旨在改善大型语言模型 (Large Language Models) 效率的算法进展，包括扩展法则、数据利用、架构创新、训练和调优策略以及推理技术等多个方面，旨在为研究人员和从业者提供宝贵的资源，并为未来的创新奠定基础。

    Dec, 2023

  • 利用大型语言模型增强法律合规性和监管分析

    研究探索了利用大型语言模型（LLMs）自动提取食品安全领域与要求相关的法律内容并检查法规工件的合规性。研究结果表明，LLMs 在提高法规合规性和监管分析效率方面具有显著的潜力，尤其通过减少手动工作量，提高准确性，并在合理的时间和财务限制下实现。

    Apr, 2024

  • 评估 LLMs 在技术语言处理任务中的性能

    我们用聊天界面评估了语言模型的性能，以回答与美国联邦法规第 47 章标题有关的问题，并将其应用于动态频谱访问的自动化信息解读。

    Mar, 2024

  • LLM 加速、优化和应用的新解决方案

    该研究综述了针对大型语言模型（LLMs）的挑战以及提高系统效率的最新进展和研究方向，包括算法级加速技术、LLM 硬件与软件协同设计策略、LLMs 加速器编译方法以及利用 LLMs 辅助电路设计的方法。通过这些工作，旨在为 LLMs 在各种应用中实现更高效、可扩展的部署铺平道路。

    Jun, 2024

  • 网络大型语言模型：工作流程、进展与挑战

    通过回顾现有工作，我们按类别介绍了应用语言模型于网络领域的突出成果，并详细解释它们在工作流程的不同阶段的操作方式。此外，我们深入探讨了遇到的挑战，讨论了潜在解决方案，并勾勒了未来的研究前景。我们希望这份调查能为研究人员和实践者提供洞见，推动该跨学科研究领域的发展。

    Apr, 2024

  • 通信行业的大型语言模型：即将对行业产生的影响

    大型语言模型 (LLMs) 对于自然语言处理 (NLP) 领域以外的许多领域产生了深远的影响，并引起了前所未有的关注。该研究深入探讨了 LLMs 的内部工作机制，提供了对其当前能力和局限性的深入洞察。此外，研究还揭示了在电信领域内使用 LLMs 面临的独特挑战，以及可以在电信行业中实施的使用案例和研究方向。解决这些挑战是充分利用 LLMs 潜力、完全发挥其在电信领域中能力的重要一步。

    Aug, 2023

  • 金融监管解释的大型语言模型

    该研究探讨了大型语言模型作为解读复杂金融法规的分析工具的创新应用。其主要目标是设计有效的提示，指导语言模型将冗长而复杂的监管文本，如巴塞尔 III 资本要求规定，压缩为简明的数学框架，然后转化为可执行的代码。这种新颖方法旨在简化全球银行机构在财务报告和风险管理系统中实施监管要求的过程。通过案例研究评估了各种语言模型的性能，结果表明 GPT-4 在处理和收集必要信息以及执行数学计算方面优于其他模型。案例研究使用了包括固定收益、股票、货币对和大宗商品在内的资产持有进行数值模拟，以展示语言模型如何有效实施巴塞尔 III 资本充足性要求。

    May, 2024