論文の概要: From Large AI Models to Agentic AI: A Tutorial on Future Intelligent Communications

• arxiv url: http://arxiv.org/abs/2505.22311v1
• Date: Wed, 28 May 2025 12:54:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.606918
• Title: From Large AI Models to Agentic AI: A Tutorial on Future Intelligent Communications
• Title（参考訳）: 大規模AIモデルからエージェントAIへ:未来のインテリジェントなコミュニケーションのチュートリアル
• Authors: Feibo Jiang, Cunhua Pan, Li Dong, Kezhi Wang, Octavia A. Dobre, Merouane Debbah,
• Abstract要約: このチュートリアルは、大規模人工知能モデル(LAM)とエージェントAI技術の原則、設計、応用に関する体系的な紹介を提供する。 我々は,6G通信の背景を概説し,LAMからエージェントAIへの技術的進化を概説し,チュートリアルのモチベーションと主な貢献を明らかにする。
• 参考スコア（独自算出の注目度）: 57.38526350775472
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the advent of 6G communications, intelligent communication systems face multiple challenges, including constrained perception and response capabilities, limited scalability, and low adaptability in dynamic environments. This tutorial provides a systematic introduction to the principles, design, and applications of Large Artificial Intelligence Models (LAMs) and Agentic AI technologies in intelligent communication systems, aiming to offer researchers a comprehensive overview of cutting-edge technologies and practical guidance. First, we outline the background of 6G communications, review the technological evolution from LAMs to Agentic AI, and clarify the tutorial's motivation and main contributions. Subsequently, we present a comprehensive review of the key components required for constructing LAMs. We further categorize LAMs and analyze their applicability, covering Large Language Models (LLMs), Large Vision Models (LVMs), Large Multimodal Models (LMMs), Large Reasoning Models (LRMs), and lightweight LAMs. Next, we propose a LAM-centric design paradigm tailored for communications, encompassing dataset construction and both internal and external learning approaches. Building upon this, we develop an LAM-based Agentic AI system for intelligent communications, clarifying its core components such as planners, knowledge bases, tools, and memory modules, as well as its interaction mechanisms. We also introduce a multi-agent framework with data retrieval, collaborative planning, and reflective evaluation for 6G. Subsequently, we provide a detailed overview of the applications of LAMs and Agentic AI in communication scenarios. Finally, we summarize the research challenges and future directions in current studies, aiming to support the development of efficient, secure, and sustainable next-generation intelligent communication systems.
• Abstract（参考訳）: 6G通信の出現に伴い、インテリジェント通信システムは、制約付き知覚と応答能力、スケーラビリティの制限、動的環境における適応性の低下など、さまざまな課題に直面している。 このチュートリアルは、インテリジェント通信システムにおける大規模人工知能モデル(LAM)とエージェントAI技術の原則、設計、応用に関する体系的な紹介を提供する。 まず,6G通信の背景を概説し,LAMからエージェントAIへの技術的進化を概説し,チュートリアルのモチベーションと主な貢献を明らかにする。 次に,LAMの構築に必要な重要なコンポーネントについて概説する。 さらに、LAM(Large Language Models)、LVM(Large Vision Models)、LMM(Large Multimodal Models)、LRM(Large Reasoning Models)、軽量LAM(Large Reasoning Models)を網羅し、その適用性を分析した。 次に、データセット構築と内部および外部学習の両方のアプローチを含む、通信に適したLAM中心の設計パラダイムを提案する。 これに基づいて、我々は、プランナー、知識ベース、ツール、メモリモジュールなどのコアコンポーネントと相互作用機構を明確化し、LAMベースのインテリジェント通信のためのエージェントAIシステムを開発した。 また,データ検索,協調計画,6Gの反射評価を行うマルチエージェントフレームワークも導入した。 その後、通信シナリオにおける LAM と Agentic AI の応用について概説する。 最後に,研究課題と今後の方向性を概説し,効率的でセキュアで持続可能な次世代知能通信システムの開発を支援することを目的とする。

関連論文リスト

• Edge Large AI Models: Revolutionizing 6G Networks [38.62140334987825]
  大規模な人工知能モデル(LAM)は、幅広い現実世界の問題を解決する人間のような能力を持っている。 edge LAMは、さまざまなリアルタイムインテリジェントサービスを6Gで提供可能にする技術として登場します。
  論文  参考訳（メタデータ） (2025-05-01T05:44:00Z)
• A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
  大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。 本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
  論文  参考訳（メタデータ） (2025-04-07T21:01:25Z)
• Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [133.45145180645537]
  大規模言語モデル(LLM)の出現は、人工知能の変革的シフトを触媒している。 これらのエージェントがAI研究と実践的応用をますます推進するにつれて、その設計、評価、継続的な改善は複雑で多面的な課題を呈している。 この調査は、モジュール化された脳にインスパイアされたアーキテクチャ内でインテリジェントエージェントをフレーミングする、包括的な概要を提供する。
  論文  参考訳（メタデータ） (2025-03-31T18:00:29Z)
• Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
  大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。 本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。 私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
  論文  参考訳（メタデータ） (2025-03-27T12:50:17Z)
• Toward Agentic AI: Generative Information Retrieval Inspired Intelligent Communications and Networking [87.82985288731489]
  Agentic AIは、インテリジェントなコミュニケーションとネットワークのための重要なパラダイムとして登場した。 本稿では,通信システムにおけるエージェントAIにおける知識獲得,処理,検索の役割を強調する。
  論文  参考訳（メタデータ） (2025-02-24T06:02:25Z)
• Beyond Self-Talk: A Communication-Centric Survey of LLM-Based Multi-Agent Systems [11.522282769053817]
  大規模言語モデル(LLM)は、最近、推論、計画、意思決定において顕著な能力を示した。 研究者はLLMをマルチエージェントシステムに組み込んで、単一エージェント設定の範囲を超えてタスクに取り組むようになった。 この調査はさらなるイノベーションの触媒として機能し、より堅牢でスケーラブルでインテリジェントなマルチエージェントシステムを促進する。
  論文  参考訳（メタデータ） (2025-02-20T07:18:34Z)
• Collaborative AI in Sentiment Analysis: System Architecture, Data Prediction and Deployment Strategies [3.3374611485861116]
  大規模言語モデル(LLM)に基づく人工知能技術は、特に感情分析においてゲームチェンジャーとなっている。 しかし、複雑なマルチモーダルデータを処理するための多様なAIモデルの統合と、それに伴う機能抽出の高コストは、大きな課題を呈している。 本研究では,様々なAIシステムにまたがるタスクを効率的に分散・解決するための協調型AIフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-17T06:14:34Z)
• Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
  エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。 本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
  論文  参考訳（メタデータ） (2024-02-28T16:09:56Z)

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。