大型人工智能模型指导的深度强化学习用于非陆地网络资源分配
人工智能
2026-01-14 v1 系统与控制
系统与控制
摘要
大型 AI 模型（LAM）被提议应用于非陆地网络（NTN），其提供了更好的性能和减少了任务特定训练。本文提出了一个由大型语言模型（LLM）指导的深度强化学习（DRL）代理。LLM 作为高层协调器生成文本指导，以塑造 DRL 代理在训练期间的奖励。结果表明，LAM-DRL 在正常天气场景下比传统 DRL 高出 40%，在极端天气场景下高出 64%，相对于启发式方法，以吞吐量、公平性和中断概率为指标。
引用
@article{arxiv.2601.08254,
title = {Large Artificial Intelligence Model Guided Deep Reinforcement Learning for Resource Allocation in Non Terrestrial Networks},
author = {Abdikarim Mohamed Ibrahim and Rosdiadee Nordin},
journal= {arXiv preprint arXiv:2601.08254},
year = {2026}
}