May, 2024

大型语言模型与光网络的融合：实现自动化的道路

PDF
TL;DR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。
gptlarge language modelsoptical networksllm-driven agentprompt engineering
发现论文，激发创造
  • 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

  • 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（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

  • 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

  • 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

  • LLM 能否理解计算机网络？走向虚拟系统管理员

    人工智能和大型语言模型在管理复杂的现代网络方面具有巨大的潜力，但对于语言模型在理解计算机网络方面的能力尚存在较大的研究空白。本研究通过详尽的实证研究，首次探讨了语言模型对计算机网络的理解程度，并提出了多个研究问题以评估语言模型在网络相关任务中的表现。研究结果表明，虽然私有的语言模型在小型和中型网络中取得了令人瞩目的成果，但对于复杂网络拓扑的理解仍存在挑战，尤其是对于开源模型。此外，我们还提供了关于如何通过提示工程提高某些任务准确性的见解。

    Apr, 2024

  • 预训练大型语言模型的网络运维能力的实证研究

    通过系统评估选择的大型语言模型（LLMs）在网络运维（NetOps）领域的能力、优势和局限性，本研究发现只有 GPT-4 能够达到与人类通过网络运维认证考试的高精度等级。

    Sep, 2023

  • 利用大型语言模型生成的代码增强网络管理

    利用大语言模型从自然语言查询生成任务特定代码的一种新方法，解决了网络管理中的可解释性、可扩展性和隐私问题，并且展示了高准确性、成本效益和进一步增强的潜力。

    Aug, 2023

  • 大型语言模型与网络分片管理与编排

    利用大型语言模型和多智能体系统构建的网络切片框架，解决了当前管理和编排方法在多管理域环境中处理新服务需求复杂性方面的局限性，并提供了能够整合到现有管理和编排框架的解决方案。

    Mar, 2024