面向未来通信的大规模人工智能模型综述：基础、应用与挑战
信息论
2025-05-07 v1 math.IT
摘要
6G无线通信旨在构建一个万物智联的智能世界，提供前所未有的通信体验。与典型的人工智能（AI）模型相比，大规模人工智能模型（LAMs）具有显著更大的规模（例如，数十亿或数万亿参数）。LAMs展现出卓越的认知能力，包括强大的泛化能力以微调适应下游任务，以及处理训练中未见任务的新兴能力。因此，LAMs能够高效地为多样化的通信应用提供AI服务，使其成为应对未来无线通信系统中复杂挑战的关键工具。本研究全面回顾了LAMs在通信中的基础、应用与挑战。首先，我们介绍了基于AI的通信系统现状，强调了将LAMs融入通信的动机，并总结了关键贡献。随后，我们概述了LAMs在通信中的基本概念，包括对LAMs主要架构的介绍，如Transformer、扩散模型和Mamba。我们还探讨了LAMs的分类，包括大语言模型（LLMs）、大视觉模型（LVMs）、大多模态模型（LMMs）和世界模型，并审视了它们在通信中的潜在应用。此外，我们涵盖了通信系统中LAMs的训练方法和评估技术。最后，我们介绍了优化策略，如思维链（CoT）、检索增强生成（RAG）和智能体系统。在此基础上，我们讨论了LAMs在各种通信场景中的研究进展。最后，我们分析了当前研究中的挑战，并对未来潜在的研究方向提供了见解。
引用
@article{arxiv.2505.03556,
title = {A Comprehensive Survey of Large AI Models for Future Communications: Foundations, Applications and Challenges},
author = {Feibo Jiang and Cunhua Pan and Li Dong and Kezhi Wang and Merouane Debbah and Dusit Niyato and Zhu Han},
journal= {arXiv preprint arXiv:2505.03556},
year = {2025}
}