智能体应取代窄域预测式AI成为6G AI-RAN的编排核心
网络与互联网体系结构
2026-05-13 v1
摘要
本立场论文主张，为实现5级自主6G网络，下一代无线接入网人工智能（AI-RAN）应从碎片化的窄域预测模型转向采用多模态大语言模型（LLM）作为核心推理智能体。当前的AI-RAN架构依赖于在孤立域中运行的、互不关联的深度神经网络（DNN）和深度强化学习（DRL）智能体。这些窄域模型存在知识孤岛、对分布外动态极度脆弱，以及无法弥合意图鸿沟——即高层非结构化操作指令与刚性数值网络配置之间的语义脱节——等根本性缺陷。我们提议将LLM或领域适配的大型电信模型（LTM）提升为认知操作系统，部署于AI-RAN的控制与编排层——RAN智能控制器（RIC）中。在此架构中，LLM并非取代窄域模型，而是将其作为可执行子程序进行编排，动态地将人类意图转化为具体策略，并利用检索增强生成（RAG）自主诊断复杂的多厂商网络异常。为使这一架构转变成为现实，我们呼吁机器学习社区优先开展针对电信领域严格约束条件的关键基础研究，特别聚焦于通过网络驱动反馈（RLNF）进行持续对齐、极限亚8比特边缘量化、神经符号验证以抑制幻觉，以及保护编排框架免受对抗性提示注入攻击。
引用
@article{arxiv.2605.11516,
title = {Agents Should Replace Narrow Predictive AI as the Orchestrator in 6G AI-RAN},
author = {Pranshav Gajjar and Vijay K Shah},
journal= {arXiv preprint arXiv:2605.11516},
year = {2026}
}