ComLLM: Toward A General Large Language Model for Semantic-Aware Network Optimization

Wencan Mao

doi:10.1109/mnet.2026.3716787

ComLLM: Toward A General Large Language Model for Semantic-Aware Network Optimization

2026-08-04

0

PRE

AI

DOI：10.1109/mnet.2026.3716787

原文链接

原文求助

摘要

En 中文

优化是网络运营的核心，通常需要大量专家知识和手动干预，阻碍了其高效实施。为解决此问题，本研究阐述了从算法求解器到语义代理进行网络优化的范式转变的潜力。具体而言，我们设想了一个通用的基于大型语言模型（LLM）的框架，称为ComLLM，用于解决移动通信网络中的基本问题。无需显式的数学问题表述，ComLLM能够理解语义上下文（即高层次、可解释的人类目标和约束），并自主调用内置预测模块生成自适应优化决策。一个移动边缘计算案例研究表明，ComLLM能有效执行联合数据传输速率预测和自动驾驶车辆任务调度，可用于最小化端到端延迟或最大化收益。此外，本文提供了对ComLLM的见解并讨论了开放性挑战。

Keyword:

Modeling

Optimization

Educational institutions

Large language models

Scheduling

Technology

Timing

Planning

Schedules

Pricing

ComLLM: Toward A General Large Language Model for Semantic-Aware Network Optimization

摘要

期刊

机构

引用论文