May, 2024

WirelessLLM: 大规模语言模型赋能无线智能

PDF
TL;DR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。
wireless communication networkslarge language modelswirelessllmknowledge alignmentknowledge fusion
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

  • 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

  • 大型多模态模型 (LMM) 作为面向 AI 原生无线系统的通用基础模型

    本文解决了利用大型语言模型（LLMs）和基础模型设计人工智能（AI）本地网络的问题，提出了一种以无线为中心的基础模型架构，其中包括多模态模型，通过神经符号 AI 进行逻辑和数学推理，并展示了 RAG 在 LMMs 中的有效性，以及 LMMs 相对于 vanilla LLMs 在数学问题回答方面表现出的增强的推理能力。

    Jan, 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

  • 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

  • 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

  • 教育中的大型语言模型：概述与展望

    大语言模型 (LLMs) 在教育领域带来了新的可能性。本综述论文从多个角度总结了 LLMs 在教育环境中的各种技术，包括学生和教师辅助、自适应学习和商业工具。我们系统地审查了每个角度的技术进展，整理了相关的数据集和基准，并识别了在教育中部署 LLMs 所面临的风险和挑战。此外，我们概述了未来的研究机会，强调潜在的有前途的方向。我们的综述旨在为教育工作者、研究人员和决策者提供一个全面的技术画面，以利用 LLMs 的力量革新教育实践，并促进更有效的个性化学习环境。

    Mar, 2024

  • 基于需求定制的 LMLs 服务

    通过引入层级分布式的大型语言模型（LLM）架构，提高 LLM 在异构计算平台上的可访问性和可部署性，实现按需访问和定制化服务，并在用户与应用需求之间取得最佳权衡，推动人工智能技术的进步。

    Jan, 2024

  • 无线应用设计中的大型语言模型：具上下文学习增强的自动网络入侵检测

    使用预训练 LLM 强化框架进行完全自动化网络入侵检测，通过在真实网络入侵检测数据集上进行实验，证明了在上下文学习方面的优势，可以在无需进一步训练或微调 LLMs 的情况下改善任务处理性能，GPT-4 的测试准确性和 F1 分数可以提高约 90%。此外，预训练 LLMs 在执行无线通信相关任务方面表现出巨大潜力，通过仅使用 10 个上下文学习示例，提出的框架可以在不同类型攻击中达到超过 95% 的准确性和 F1 分数。

    May, 2024

  • 利用大型语言模型（LLMs）加速无线电频谱管理工作流程

    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。

    Mar, 2024