当大语言模型遇见光网络：铺平自动化之路
网络与互联网体系结构
2024-06-26 v2 人工智能
计算与语言
系统与控制
系统与控制
摘要
自 GPT 问世以来，大语言模型（LLMs）在各行各业带来了革命性的进步。作为一种卓越的自然语言处理（NLP）技术，LLMs 在众多领域始终取得 SOTA 性能。然而，LLMs 被认为是用于 NLP 任务的通用模型，当应用于光网络等专业领域的复杂任务时可能会遇到挑战。在本研究中，我们提出了一种 LLM 赋能的光网络框架，通过部署在控制层的 LLM 驱动代理（AI-Agent）促进物理层的智能控制与应用层的高效交互。AI-Agent 可以利用外部工具，并从专门为光网络建立的综合资源库中提取领域知识。这是通过用户输入和精心设计的提示实现的，从而能够生成控制指令和结果表示，用于光网络的自主运维。为了提高 LLM 在专业领域的能力并激发其在复杂任务上的潜力，本研究说明了执行提示工程、建立领域知识库和实施复杂任务的细节。此外，所提出的框架在两个典型任务上进行了验证：网络告警分析和网络性能优化。2,400 种测试情况的良好响应准确率和语义相似度展示了 LLM 在光网络中的巨大潜力。
引用
@article{arxiv.2405.17441,
title = {When Large Language Models Meet Optical Networks: Paving the Way for Automation},
author = {Danshi Wang and Yidi Wang and Xiaotian Jiang and Yao Zhang and Yue Pang and Min Zhang},
journal= {arXiv preprint arXiv:2405.17441},
year = {2024}
}