面向 6G 的代理 AI 作为网络控制平面智能层用于联邦学习
计算机视觉与模式识别
2026-03-12 v2
摘要
向用户定制的设备学习转变对无线系统提出了新挑战：模型必须在满足严格时延、带宽和可靠性约束的多样化分布数据上进行训练。为此，我们提出将代理 AI 作为管理 6G 网络上联邦学习 (FL) 的控制层，将高层任务目标转化为能够感知网络条件的行动。我们将 FL 不仅视为学习挑战，更视为学习与网络管理的协同任务。一组专注于检索、规划、编码和评估的专用代理利用监控工具和优化方法处理客户端选择、激励结构、调度、资源分配、自适应本地训练和代码生成。采用闭环评估和记忆，使系统能够持续细化决策，综合考虑信号信噪比、带宽条件和设备能力的变化。最后，我们的案例研究表明，代理 AI 系统利用工具实现高性能效果显著。
引用
@article{arxiv.2603.09141,
title = {Agentic AI as a Network Control-Plane Intelligence Layer for Federated Learning over 6G},
author = {Loc X. Nguyen and Ji Su Yoon and Huy Q. Le and Yu Qiao and Avi Deb Raha and Eui-Nam Huh and Nguyen H. Tran and Zhu Han and Choong Seon Hong},
journal= {arXiv preprint arXiv:2603.09141},
year = {2026}
}