返回
Reinforcement Learning With LLMs Interaction for Distributed Diffusion Model Services
DOI:10.1109/TPAMI.2025.3584698.png)
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


