CORE：通过层次化边缘协作编排大语言模型智能体实现普适 6G 智能
人工智能
2026-01-30 v1
摘要
6G 网络和大语言模型 (LLM) 的快速进展为普适智能铺平了道路，其中无缝连接和分布式人工智能 (AI) 已彻底改变了我们的生活方式。然而，实现这一愿景面临着由于层次化网络中计算资源碎片化和异构性带来的重大挑战，这些资源不足以单独的 LLM 智能体完成复杂推理任务。为此，我们提出了在边缘部署的协作编排角色 (CORE)，一种创新的框架，其中多个 LLM 每个被分配不同的功能角色分布在移动设备和分层边缘服务器上。该系统集成了三个优化模块，涵盖实时感知、动态角色编排和管道并行执行，以促进分布式智能体间的高效快速协作。此外，我们引入一种新颖的角色亲和调度算法，用于动态编排 LLM 角色分配 across 层次化边缘基础设施，智能地将计算需求与可用分散资源匹配。最后，在各种 6G 应用场景下进行的全面案例研究和性能评估表明了 CORE 的有效性，揭示了系统效率和任务完成率的显著提升。基于这些有前景的成果，我们进一步在真实的边缘计算平台上部署了 CORE，显示出在实际运行环境中稳健的性能。
引用
@article{arxiv.2601.21822,
title = {CORE:Toward Ubiquitous 6G Intelligence Through Collaborative Orchestration of Large Language Model Agents Over Hierarchical Edge},
author = {Zitong Yu and Boquan Sun and Yang Li and Zheyan Qu and Xing Zhang},
journal= {arXiv preprint arXiv:2601.21822},
year = {2026}
}
备注
Accepted by IEEE Communications Magazine