LMaaS：探索大模型即服务的通信定价策略
网络与互联网体系结构
2024-01-08 v1 计算机科学与博弈论
机器学习
摘要
下一代通信被设想为智能通信，可以取代传统的符号通信，其中将提取同时考虑信源和信道的高度压缩语义信息并以高效率传输。最近流行的大模型如GPT4和不断发展的学习技术为智能通信奠定了坚实基础，并推动了其在不久的将来的实际部署。鉴于这些多模态大语言模型“一次训练，广泛使用”的特点，我们认为按需付费的服务模式在此背景下是合适的，称为大模型即服务(LMaaS)。然而，交易和定价问题在异构和动态的客户环境中相当复杂，使得定价优化问题在寻求现成解决方案时具有挑战性。在本文中，我们旨在填补这一空白，将LMaaS市场交易建模为两步Stackelberg博弈。第一步，优化卖家的定价决策，提出迭代模型定价(IMP)算法，通过推理客户未来的租赁决策迭代优化大模型的价格，能够实现接近最优的定价方案。第二步，通过设计鲁棒选择与租赁(RSR)算法优化客户的选择决策，该算法具有严格的理论证明保证最优性。大量实验证实了我们算法的有效性和鲁棒性。
引用
@article{arxiv.2401.02675,
title = {LMaaS: Exploring Pricing Strategy of Large Model as a Service for Communication},
author = {Panlong Wu and Qi Liu and Yanjie Dong and Fangxin Wang},
journal= {arXiv preprint arXiv:2401.02675},
year = {2024}
}