arrow
返回

Reinforcement Learning With LLMs Interaction for Distributed Diffusion Model Services

delete
delete0
delete
OA
AI
H
Hongyang Du
R
Ruichen Zhang
D
Dusit Niyato
J
Jiawen Kang
Zehui Xiong 封面图
Zehui Xiong (Zehui Xiong)
S
Shuguang Cui
X
Xuemin Shen
D
Dong In Kim
DOI:10.1109/TPAMI.2025.3584698delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
分布式人工智能生成内容(AIGC)已引起广泛关注,但仍有两大关键挑战:最大化主观服务质量(QoE)和提高能效,这些问题在广泛采用的基于生成扩散模型(GDM)的图像生成服务中尤为突出。本文提出了一种面向用户的新型交互式人工智能(IAI)服务管理方法,包含一个强调高效协同部署的分布式GDM-AIGC框架。所提方法通过允许语义相似提示的用户共享去噪链的部分内容,重构了GDM推理过程。此外,为最大化用户主观QoE,本文提出了一种IAI方法,即与大型语言模型交互的强化学习(RLLI),该方法利用大型语言模型(LLM)赋能的生成代理来模拟用户交互,提供与不同用户个性相符的实时主观QoE反馈。最后,我们提出了基于GDM的深度确定性策略梯度(G-DDPG)算法,该算法适配所提RLLI框架,在考虑主观用户特性和动态无线条件的情况下,有效分配通信和计算资源。仿真结果表明,G-DDPG算法相较于标准DDPG算法,提升了15%的总QoE。
Keyword:
AI-generated content
reinforcement learning
generative diffusion model
generative agents
large language models

期刊

IEEE Transactions on Pattern Analysis and Machine Intelligence 封面图
IEEE Transactions on Pattern Analysis and Machine Intelligence
IF:
18.6
论文数:
1.0K
被引数:
9.8W

机构

U
University of Hong Kong
学者数:
4.1W
论文数: 3.9W
被引数: 10.1W
S
Sungkyunkwan University
学者数:
2.8K
论文数: 1.1K
被引数: 2
N
Nanyang Technological University
学者数:
4.9W
论文数: 4.8W
被引数: 8.1W
Chinese University of Hong Kong, Shenzhen 封面图
Chinese University of Hong Kong, Shenzhen
学者数:
29
论文数: 14
被引数: 1.1W
U
University of Waterloo
学者数:
2.2W
论文数: 2.3W
被引数: 3.3W
G
guangdong university of technology
学者数:
3.0W
论文数: 2.0W
被引数: 36
学者 查看更多机构
引用论文

引用论文

暂无论文信息