面向 6G 网络的 LLM 赋能物联网：架构、挑战与解决方案
新兴技术
2025-06-26 v2
摘要
第六代（6G）时代的物联网（IoT）预期将向智能化、无处不在和自优化方向演进。大型语言模型（Large Language Models, LLM）在自然语言处理（NLP）、计算机视觉（CV）等多个领域展现出惊人的泛化能力。在本文中，我们提出一种 LLM 赋能的物联网架构，用于 6G 网络，以实现智能自治并支持高级物联网应用。将 LLM 推送至 6G 网络的边缘，以支持 LLM 与物联网的协同。针对物联网应用需求和物联网管理需求，分别提出 LLM for IoT 解决方案；同时讨论边缘推理和边缘微调以支持 LLM 在物联网上的部署，即 LLM on IoT。进一步，我们提出一种内存高效的分层联邦学习（Split Federated Learning, SFL）框架，用于异构物联网设备上的 LLM 微调，该框架既缓解了物联网设备和边缘服务器的内存压力，又在相当程度上保持性能和收敛时间。最后，本文提出一个案例研究，并讨论了 LLM 赋能的物联网在 6G 网络中的开放问题。
引用
@article{arxiv.2503.13819,
title = {LLM-Empowered IoT for 6G Networks: Architecture, Challenges, and Solutions},
author = {Xiaopei Chen and Wen Wu and Liang Li and Fei Ji},
journal= {arXiv preprint arXiv:2503.13819},
year = {2025}
}
备注
Accepted for publication in IEEE Internet of Things Magazine. \c{opyright} 2025 IEEE. The final version will be published in IEEE Xplore