基于层次化辩论的大语言模型用于 6G 网络管理复杂任务规划
系统与控制
2025-06-10 v1 系统与控制
摘要
6G 网络因新型网络架构和新兴的信号处理与传输技术而日益复杂，给 6G 网络管理带来了显著负担。大语言模型 (Large Language Models, LLMs) 近期被视为为 6G 网络赋予 AI 本土智能性的有前景的技术。与大多数现有研究仅关注单一 LLM 不同，本工作涉及一种基于多 LLM 辩论的方案，用于 6G 网络管理，其中多个 LLM 可协作式地逐步改进初始解决方案。鉴于 6G 领域的复杂性，我们提出了一种新颖的层次化辩论方案：LLMs 将首先辩论子任务分解，然后逐步辩论每个子任务。这种层次化方法通过子任务分解显著降低整体辩论难度，与 6G 网络的复杂性相吻合，确保最终解决方案的质量。在此基础上，我们定义了一套新型数据集，名为 6GPlan，包含 110 项复杂的 6G 网络管理任务和 5000 条关键词解决方案。最终，实验表明，所提出的层次化辩论显著优于基线技术，例如在覆盖率和全局召回率方面提升超过 30%。
引用
@article{arxiv.2506.06519,
title = {Hierarchical Debate-Based Large Language Model (LLM) for Complex Task Planning of 6G Network Management},
author = {Yuyan Lin and Hao Zhou and Chengming Hu and Xue Liu and Hao Chen and Yan Xin and Jianzhong and Zhang},
journal= {arXiv preprint arXiv:2506.06519},
year = {2025}
}