大语言模型在通信、网络与服务管理中的调查：应用洞见、挑战与未来方向
网络与互联网体系结构
2024-12-31 v1 人工智能
机器学习
摘要
近些年间通信网络的快速演化加剧了针对这些网络日益增长的效率、可扩展性、性能和可靠性需求，对先进的网络与服务管理（NSM）策略提出了挑战。大语言模型（LLM）因其在各种自然语言处理（NLP）任务中卓越的能力以及生成情境感知洞察的潜力，受到了广泛关注，为自动化多样化的通信NSM任务提供了变革性的可能性。与现有仅涉及单一网络领域的调查不同，本次调查探讨了大语言模型在不同通信网络领域的整合应用，包括移动网络及相关技术、车联网、云基站网络以及雾/边缘网络。首先，本调查提供了大语言模型的基础知识，详细阐述了通用Transformer架构、通用型与特定领域的大语言模型、模型的预训练与微调，以及它们与通信NSM的关系。基于一种新颖的网络监控与报告分类框架，本文广泛归纳了在不同网络领域中针对NSM任务的大语言模型应用，探讨了现有文献及其贡献。随后，本文识别了大语言模型驱动的通信NSM中现存的挑战与未解之难，并展望了未来的研究方向，强调需要 scalable、可适应且资源高效的解决方案，以适应通信网络动态变迁的格局。我们设想，这一调查将作为整体性的路线图，为利用大语言模型提升NSM提供关键性洞见。
引用
@article{arxiv.2412.19823,
title = {A Survey on Large Language Models for Communication, Network, and Service Management: Application Insights, Challenges, and Future Directions},
author = {Gordon Owusu Boateng and Hani Sami and Ahmed Alagha and Hanae Elmekki and Ahmad Hammoud and Rabeb Mizouni and Azzam Mourad and Hadi Otrok and Jamal Bentahar and Sami Muhaidat and Chamseddine Talhi and Zbigniew Dziong and Mohsen Guizani},
journal= {arXiv preprint arXiv:2412.19823},
year = {2024}
}