符号共生智能体：面向可信赖 AGI 驱动网络的新范式

大型语言模型 (LLM) 基于的自主智能体预计将在 6G 网络演化中发挥关键作用，通过赋能 end-users 相关的实时决策管理和服务 provisioning，从而推动从人工智能 (AI) 算法处理单一任务的专业化智能范式向人工通用智能 (AGI) 驱动网络范式的转变。在后者范式中，智能体拥有更广泛的推理能力，可管理多样化的网络功能。本文引入一种新型智能体范式，将 LLMs 与实时优化算法结合，以实现可信赖 AI，即符号共生智能体。LLM 输入层的优化器提供数值精确任务的有界不确定性引导，而输出层的优化器由 LLM 监督，实现自适应实时控制。我们设计并实现了两种新型智能体类型：(i) 无线接入网络优化器，和 (ii) 用于服务水平协议 (SLA) 的多智能体协商者。我们进一步提出了面向 AGI 网络的端到端架构，并在捕获移动车辆信道波动的 5G 测试平台上进行评估。结果表明，符号共生智能体相对于独立的 LLM-based 智能体将决策错误率降低五倍，而更小的语言模型 (SLM) 在 99.9% GPU 资源开销降低和 82 ms 的近实时循环中实现了相似精度。在真实测试平台上进行的多智能体协作 RAN 演示突显了在服务水平协议和资源分配方面的显著灵活性，约 44% 地减少了 RAN 过度利用。基于我们的发现和开源实现，我们将符号共生范式引入作为下一代 AGI 驱动网络系统的基础，旨在即使 LLMs 进步，仍能保持适应性、效率和可信赖。