通过提示工程优化移动边缘 AI 生成一切（AIGX）服务：基础、框架与案例研究
网络与互联网体系结构
2023-11-16 v2
摘要
作为下一代内容创建范式，AI 生成内容（AIGC，即基于用户提示由生成式 AI（GAI）自动生成内容）近来获得了极大关注与成功。随着 GAI 能力的不断增强，特别是包含数十亿参数的预训练基础模型（PFMs）的出现以及提示工程方法（即为给定任务寻找最佳提示），AIGC 的应用范围正在迅速扩展，涵盖面向人类、系统和网络的各种信息形式，如网络设计、信道编码和优化方案。在本文中，我们提出移动边缘 AI 生成一切（AIGX）的概念。具体而言，我们首先回顾 AIGX 的构建模块、从 AIGC 到 AIGX 的演进以及实际的 AIGX 应用。然后，我们提出一个统一的移动边缘 AIGX 框架，该框架利用边缘设备提供 PFM 赋能的 AIGX 服务，并通过提示工程优化此类服务。更重要的是，我们证明次优提示会导致生成质量低下，从而对用户满意度、边缘网络性能和资源利用产生不利影响。相应地，我们进行了一个案例研究，展示如何使用 ChatGPT 训练有效的提示优化器，并探究提示工程在用户体验、生成质量和网络性能方面可实现的改进程度。
引用
@article{arxiv.2309.01065,
title = {Optimizing Mobile-Edge AI-Generated Everything (AIGX) Services by Prompt Engineering: Fundamental, Framework, and Case Study},
author = {Yinqiu Liu and Hongyang Du and Dusit Niyato and Jiawen Kang and Shuguang Cui and Xuemin Shen and Ping Zhang},
journal= {arXiv preprint arXiv:2309.01065},
year = {2023}
}
备注
9 pages, 6 figure