空中智能体：协同 LLM 与 SLM 以适应低空无线网络
信息论
2026-03-25 v1 math.IT
摘要
低空无线网络（LAWNs）由无人机（UAVs）和移动终端组成，正成为6G的关键扩展。然而，将大型语言模型（LLM）应用于LAWNs面临三个主要挑战：1）计算和能源限制；2）通信和带宽限制；3）实时性和可靠性之间的冲突。为解决这些问题，我们提出了空中智能体（Aerial Agentic AI）框架，集成UAV侧快速思考的小型语言模型（SLM）与基站侧慢速思考的大型语言模型（LLM）。首先，我们设计了基于SLM的智能体，实现UAV上的感知、短期记忆增强和实时决策。其次，我们实现了基于LLM的智能体系统，利用长期记忆、全局知识和工具编排，在基站（BS）端进行深层推理、知识更新和策略优化。最后，我们建立了高效的层级协调机制，使UAV能够在必要时仅与基站同步，执行高频任务。实验结果验证了所提出空中智能体的有效性。
引用
@article{arxiv.2603.22866,
title = {Aerial Agentic AI: Synergizing LLM and SLM for Low-Altitude Wireless Networks},
author = {Li Dong and Feibo Jiang and Kezhi Wang and Cunhua Pan and Dong In Kim and Ekram Hossain},
journal= {arXiv preprint arXiv:2603.22866},
year = {2026}
}