面向可互操作 AI Native RAN 的 AI/ML 生命周期管理
信息论
2025-07-29 v2 机器学习
math.IT
摘要
人工智能（AI）和机器学习（ML）模型正快速渗透 5G 无线接入网络（RAN），为波束管理、信道状态信息（CSI）反馈、定位和 mobility 预测提供动力。然而，缺乏标准化的生命周期管理（LCM）框架，导致诸如模型漂移、供应商锁定和透明度受限等挑战，阻碍了大规模采用。3GPP 第 16-20 版持续演进，将 AI/ML 从实验特性发展为受管理且可互操作的网络功能。自第 16 版引入网络数据分析功能（NWDAF）起，后续版本引入了模型传输、执行、性能监控和闭环控制的标准化接口， culminating in 第 20 版的双向 CSI 压缩工作项和供应商中立的 LCM 框架。本文综述了所得五模块 LCM 架构、基于 KPI 的监控机制以及跨供应商协作方案，同时识别了资源高效监控、环境漂移检测、智能决策和灵活模型训练等开放挑战。这些发展为 AI-native 调制器作为 6G 关键赋能器奠定了基础。
引用
@article{arxiv.2507.18538,
title = {AI/ML Life Cycle Management for Interoperable AI Native RAN},
author = {Chu-Hsiang Huang and Chao-Kai Wen and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:2507.18538},
year = {2025}
}
备注
8 pages, 4 figures, 2 table. This work has been submitted to the IEEE for possible publication