DeepSeek 风格 RL 基于 LLM 的探索及其与无线网络的协同：综述
机器学习
2025-11-17 v4 人工智能
计算机视觉与模式识别
新兴技术
摘要
基于强化学习 (RL) 的大型语言模型 (LLM)，如 ChatGPT、DeepSeek 和 Grok-3，因其在多模态数据理解方面的卓越能力而广受关注。同时，信息服务的快速扩张导致对 AI 赋能无线网络日益增长的需求。开源的 DeepSeek 模型因其创新设计（如大规模纯 RL 和高性价比训练）而闻名，特别适合在无线网络中进行实际部署。将 DeepSeek 风格的 LLM 与无线基础设施集成，便产生了协同机遇：DeepSeek 风格的 LLM 通过强大的推理和决策能力提升网络优化，而无线基础设施则促进了这些模型的广泛部署。针对这一趋势，本综述提供了 DeepSeek 风格 RL 基于 LLM 在无线网络语境下的全面探索。我们首先回顾网络优化的关键技术，以建立理解 DeepSeek 风格 LLM 集成的基础。接着，我们检阅基于 RL 的 LLM 最新进展，以 DeepSeek 模型为代表性案例。随后，我们探讨两者领域的协同，突出动机、挑战及潜在解决方案。最后，我们指出未来将 LLM 与无线网络集成的新兴方向，如量子、面向设备的和神经符号 LLM 模型，以及具身 AI 智能体。总体而言，本综述全面审视了 DeepSeek 风格 LLM 与无线网络之间的相互作用，展示了这些领域如何相互促进创新。
引用
@article{arxiv.2503.09956,
title = {DeepSeek-Inspired Exploration of RL-based LLMs and Synergy with Wireless Networks: A Survey},
author = {Yu Qiao and Phuong-Nam Tran and Ji Su Yoon and Loc X. Nguyen and Eui-Nam Huh and Dusit Niyato and Choong Seon Hong},
journal= {arXiv preprint arXiv:2503.09956},
year = {2025}
}
备注
45 pages, 12 figures