論文の概要: LLM-based policy generation for intent-based management of applications

• arxiv url: http://arxiv.org/abs/2402.10067v1
• Date: Mon, 22 Jan 2024 15:37:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-18 12:54:37.868954
• Title: LLM-based policy generation for intent-based management of applications
• Title（参考訳）: インテントベースアプリケーション管理のためのllmに基づくポリシー生成
• Authors: Kristina Dzeparoska, Jieyu Lin, Ali Tizghadam, Alberto Leon-Garcia
• Abstract要約: 本稿では、ポリシーベースの抽象化を用いて必要なアクションを生成することにより、インテントを段階的に分解するパイプラインを提案する。 これにより、意図的なデプロイメントのためのクローズドコントロールループを作成することで、ポリシの実行を自動化することができます。 仮想ネットワーク機能のアプリケーションサービスチェーンを満足し、保証するためのユースケースで提案する。
• 参考スコア（独自算出の注目度）: 8.938462415711674
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Automated management requires decomposing high-level user requests, such as intents, to an abstraction that the system can understand and execute. This is challenging because even a simple intent requires performing a number of ordered steps. And the task of identifying and adapting these steps (as conditions change) requires a decomposition approach that cannot be exactly pre-defined beforehand. To tackle these challenges and support automated intent decomposition and execution, we explore the few-shot capability of Large Language Models (LLMs). We propose a pipeline that progressively decomposes intents by generating the required actions using a policy-based abstraction. This allows us to automate the policy execution by creating a closed control loop for the intent deployment. To do so, we generate and map the policies to APIs and form application management loops that perform the necessary monitoring, analysis, planning and execution. We evaluate our proposal with a use-case to fulfill and assure an application service chain of virtual network functions. Using our approach, we can generalize and generate the necessary steps to realize intents, thereby enabling intent automation for application management.
• Abstract（参考訳）: 自動管理には、システムが理解し実行可能な抽象化に、インテントなどのハイレベルなユーザ要求を分解する必要がある。 単純な意図であっても、多くの順序付けされたステップを実行する必要があるため、これは難しいことです。 そして、これらのステップを(条件の変化として)識別し、適応するタスクには、事前定義できない分解アプローチが必要です。 これらの課題に対処し、自動意図の分解と実行をサポートするために、Large Language Models(LLMs)の少数ショット機能について検討する。 ポリシベースの抽象化を使用して,必要なアクションを生成してインテントを段階的に分解するパイプラインを提案する。 これにより、インテント配置のためのクローズドコントロールループを作成することで、ポリシーの実行を自動化できます。 そのためには、ポリシーをapiに生成およびマップし、必要な監視、分析、計画、実行を実行するアプリケーション管理ループを形成します。 本提案は,仮想ネットワーク機能のアプリケーションサービスチェーンを満たし,保証するためのユースケースを用いて評価する。 このアプローチを用いることで、インテントを実現するために必要なステップを一般化し、生成し、アプリケーション管理のためのインテント自動化を可能にします。

関連論文リスト

• Keeping Behavioral Programs Alive: Specifying and Executing Liveness Requirements [2.4387555567462647]
  タスクがまだ完了していないことを示すために,"must-finish"を付けたタグ付け状態のイディオムを提案する。 また,B"uchiautoaへの翻訳に基づくセマンティクスと,マルコフ決定プロセス(MDP)に基づく2つの実行メカニズムも提供する。
  論文  参考訳（メタデータ） (2024-04-02T11:36:58Z)
• Intent Assurance using LLMs guided by Intent Drift [5.438862991585019]
  Intent-Based Networking (IBN) は、意図とビジネス目標をネットワーク操作に自動的に整合させることを約束する。 本稿では,意図的ドリフトの発生を検知し,行動することができる保証フレームワークを定義する。 私たちは、Large Language Models (LLMs)によって生成されたAI駆動のポリシーを活用しています。
  論文  参考訳（メタデータ） (2024-02-01T16:09:19Z)
• Unified Task and Motion Planning using Object-centric Abstractions of Motion Constraints [56.283944756315066]
  本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。 我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
  論文  参考訳（メタデータ） (2023-12-29T14:00:20Z)
• Code Models are Zero-shot Precondition Reasoners [83.8561159080672]
  シーケンシャルな意思決定タスクのために、コード表現を使ってアクションの前提条件を推論します。 本稿では,政策によって予測される行動が前提条件と一致していることを保証する事前条件対応行動サンプリング戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-16T06:19:27Z)
• Interactive Task Planning with Language Models [97.86399877812923]
  対話型ロボットフレームワークは、長期のタスクプランニングを達成し、実行中であっても、新しい目標や異なるタスクに容易に一般化することができる。 最近の大規模言語モデルに基づくアプローチは、よりオープンな計画を可能にするが、多くの場合、重いプロンプトエンジニアリングやドメイン固有の事前訓練されたモデルを必要とする。 本稿では,言語モデルを用いた対話型タスクプランニングを実現するためのシンプルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-16T17:59:12Z)
• You Only Look at Screens: Multimodal Chain-of-Action Agents [37.118034745972956]
  Auto-GUIは、インターフェースと直接対話するマルチモーダルソリューションである。 そこで本研究では,エージェントが実行すべきアクションを決定するためのチェーン・オブ・アクション手法を提案する。 我々は,30$Kのユニークな命令を持つ新しいデバイス制御ベンチマークAITWに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2023-09-20T16:12:32Z)
• Imitating Graph-Based Planning with Goal-Conditioned Policies [72.61631088613048]
  本稿では,目標目標条件ポリシにサブゴール条件ポリシを蒸留する自己シミュレーション方式を提案する。 提案手法は,既存の目標条件付きRL手法のサンプル効率を大幅に向上させることができることを実証的に示す。
  論文  参考訳（メタデータ） (2023-03-20T14:51:10Z)
• Planning to Practice: Efficient Online Fine-Tuning by Composing Goals in Latent Space [76.46113138484947]
  汎用ロボットは、現実世界の非構造環境において困難なタスクを完了するために、多様な行動レパートリーを必要とする。 この問題に対処するため、目標条件強化学習は、コマンド上の幅広いタスクの目標に到達可能なポリシーを取得することを目的としている。 本研究では,長期的課題に対する目標条件付き政策を実践的に訓練する手法であるPlanning to Practiceを提案する。
  論文  参考訳（メタデータ） (2022-05-17T06:58:17Z)
• Certified Reinforcement Learning with Logic Guidance [78.2286146954051]
  線形時間論理(LTL)を用いて未知の連続状態/動作マルコフ決定過程(MDP)のゴールを定式化できるモデルフリーなRLアルゴリズムを提案する。 このアルゴリズムは、トレースが仕様を最大確率で満たす制御ポリシーを合成することが保証される。
  論文  参考訳（メタデータ） (2019-02-02T20:09:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。