LLM无处不在：通过空中计算实现AI模型的普遍利用
组合数学
2025-12-09 v2 数学物理
math.MP
概率论
摘要
我们正进入一个新时代，问题解决和认知任务正越来越多地委托给大型语言模型（LLM），涵盖从代码生成到假期规划等多个领域。这一趋势也为在各种环境中普遍运行LLM驱动的应用程序需求，传统陆基二维网络基础设施在此类环境中可能显得不足。一个有前景的解决方案是将边缘计算扩展到三维空间，包括由多个层级组织的空中平台，这种范式我们称为空中计算（air computing），用于为运行LLM和生成式AI（GenAI）应用程序的本地设备提供支持。该方法减轻了现有基础设施的负担，通过将计算任务卸载到相应的空中单元（如无人机）来提高服务效率。此外，协调部署各种空中单元可显著提升用户体验（QoE），确保无缝、自适应且具备弹性的任务执行。在本研究中，我们探讨了LLM驱动的应用程序与空中计算之间的协同作用，探索其在各种用例中的潜力。此外，我们提出了一个灾难响应案例研究，演示了LLM和空中计算协同利用如何在关键情况下显著改善结果。
引用
@article{arxiv.2503.00766,
title = {$q$-deformation of random partitions, determinantal structure, and Riemann-Hilbert problem},
author = {Taro Kimura},
journal= {arXiv preprint arXiv:2503.00766},
year = {2025}
}
备注
26 pages, v2. published version, presentation improved, references added