大型多模态模型赋能任务导向自主通信：设计方法论与实现挑战
人工智能
2025-10-24 v1
摘要
大语言模型（LLM）和大型多模态模型（LMM）取得了前所未有的突破，展现出在自然语言理解、生成和复杂推理方面的惊人能力。这一变革性潜力使其成为6G中机器、车辆和人形机器人之间自主通信的关键 enabler。本文概述了以 LLM/LMM 为导向的任务导向自主通信，重点关注多模态感知集成、自适应重构以及针对无线任务的提示/微调策略。我们通过三个案例研究展示了该框架：LMM 基于交通控制、LLM 基于机器人调度以及 LMM 基于环境感知的信道估计。实验结果表明，所提出的 LLM/LMM 辅助自主系统显著优于传统和判别式深度学习模型技术，能够在动态目标、可变输入参数和异构多模态条件下保持鲁棒性，其中传统的静态优化方法会退化。
引用
@article{arxiv.2510.20636,
title = {Fluidity Index: Next-Generation Super-intelligence Benchmarks},
author = {Eric Ngoiya and Tianshu Bao},
journal= {arXiv preprint arXiv:2510.20636},
year = {2025}
}
备注
12