基于大语言模型的车联雾缓存协同内容分发
网络与互联网体系结构
2026-02-05 v1 人工智能
摘要
本文提出一种 novel 的三级内容缓存架构，用于Vehicular Fog Caching (VFC)辅助的车队网络。其中，VFC由靠近车队的车辆组成。该系统在本地车队车辆、动态VFC集群和云服务器(CS)之间策略性地协调存储，以最小化内容检索延迟。为高效管理分布式存储，我们将大语言模型(LLM)集成用于实时和智能的缓存决策。该方法利用LLM处理异构信息，包括用户轮廓、历史数据、内容特征和动态系统状态。通过设计的提示框架编码任务目标和缓存约束，LLM将缓存建模为决策任务，而我们的分层确定性缓存映射策略使请求预测和跨三级的精确内容放置成为可能，无需频繁重新训练。仿真结果表明，我们提出的缓存方案具有优势。
引用
@article{arxiv.2602.04471,
title = {LLM-Empowered Cooperative Content Caching in Vehicular Fog Caching-Assisted Platoon Networks},
author = {Bowen Tan and Qiong Wu and Pingyi Fan and Kezhi Wang and Nan Cheng and Wen Chen},
journal= {arXiv preprint arXiv:2602.04471},
year = {2026}
}
备注
Corresponding author: Qiong Wu ([email protected])