面向 LLM 辅助意图驱动 5G 核心网络管理与编排的语义路由
网络与互联网体系结构
2024-04-25 v1 人工智能
摘要
大型语言模型 (LLM) 正在人工智能领域迅速崛起，尤其是在自然语言处理和生成式 AI 领域。这些模型不仅限于文本生成应用，天然具备利用 prompt engineering 的潜力，即可以适当地结构化模型的输入，以明确表达模型的目的。意图驱动网络 (intent-based networking) 作为一种自动化和维护网络运营与管理的新方法，便是这一潜力的典型例证。本文提出语义路由，以实现 LLM 辅助意图驱动 5G 核心网络管理与编排的性能提升。本工作构建了一个端到端的意图抽取框架，并提供了一套样本用户意图数据集，深入分析了编码器和量化对整体系统性能的影响。结果表明，采用语义路由器的 LLM 部署在准确率和效率方面均优于独立的 LLM 以及基于提示架构的方案。
引用
@article{arxiv.2404.15869,
title = {Semantic Routing for Enhanced Performance of LLM-Assisted Intent-Based 5G Core Network Management and Orchestration},
author = {Dimitrios Michael Manias and Ali Chouman and Abdallah Shami},
journal= {arXiv preprint arXiv:2404.15869},
year = {2024}
}
备注
Submitted to IEEE GlobeCom 2024