基于混合专家传输的卫星网络大型语言模型生成式AI智能体
网络与互联网体系结构
2024-12-11 v2 机器学习
摘要
为响应6G全球通信的需求，卫星通信网络已成为关键解决方案。然而，卫星通信网络的大规模发展受到复杂系统模型的制约，这些模型对海量用户而言建模困难。此外，卫星与用户之间的传输干扰严重影响通信性能。为解决这些问题，本文开发了生成式人工智能（AI）智能体用于模型制定，然后应用混合专家（MoE）方法设计传输策略。具体来说，我们利用大型语言模型（LLMs）构建交互式建模范式，并利用检索增强生成（RAG）提取支持数学建模的卫星专家知识。随后，通过整合多个专业组件的专长，我们提出了一种MoE-近端策略优化（PPO）方法来解决所提出的问题。每个专家可以通过其自身网络进行专门训练来优化其擅长的优化变量，然后通过门控网络进行聚合以执行联合优化。仿真结果验证了使用生成式智能体进行问题制定的准确性和有效性。此外，所提出的MoE-PPO方法在解决所制定问题方面优于其他基准。MoE-PPO对各种定制建模问题的适应性也得到了证明。
引用
@article{arxiv.2404.09134,
title = {Generative AI Agents with Large Language Model for Satellite Networks via a Mixture of Experts Transmission},
author = {Ruichen Zhang and Hongyang Du and Yinqiu Liu and Dusit Niyato and Jiawen Kang and Zehui Xiong and Abbas Jamalipour and Dong In Kim},
journal= {arXiv preprint arXiv:2404.09134},
year = {2024}
}
备注
15 pages, 10 figures