面向语义感知Agentic AI网络的新兴通信框架SANEmerg

未来的网络系统被设想为智能体AI原生生态系统的一部分，其中大量异构且专业化的AI智能体能够 seamless 合作，以实时满足复杂的用户需求。然而，传统网络范例以通信与计算的刚性解耦为特征，这常导致在大规模智能体AI网络(AgentNet)系统中出现显著不效率。新兴通信为此提供了新解决方案，通过使支持特定任务信号协议的自主智能体实现信息交换和协作协调。在本文中，我们考虑了一个针对语义感知AgentNet系统的多智能体新兴通信框架，其中用户的语义意图能够自动检测、推断并链接到一组分配给一组智能体的子任务。我们研究如何在计算受限且带宽受限的情况下，智能体之间的通信与信号协议如何涌现。在本文中，我们提出的框架称为SANEmerg，旨在促进协作任务实现的通信涌现，同时遵循AgentNet的物理限制。SANEmerg集成了一个可调带宽的重要性过滤器，动态优先级排序更高贡献信息维度的传输，以确保在带宽受限环境中的稳健性能。此外，SANEmerg整合了一个基于最小描述长度(MDL)原理的复杂度正则化器，以促进受计算限制的信号涌现。通过AgentNet原型和广泛的实验评估，SANEmerg在状态-of-the-art解决方案之上实现了显著的性能改进，在保持优异任务准确率的同时，显著减少了带宽和计算开销。