論文の概要: An LLM-based Agentic Framework for Accessible Network Control

• arxiv url: http://arxiv.org/abs/2509.20600v1
• Date: Wed, 24 Sep 2025 22:45:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.612217
• Title: An LLM-based Agentic Framework for Accessible Network Control
• Title（参考訳）: アクセシブルネットワーク制御のためのLLMベースのエージェントフレームワーク
• Authors: Samuel Lin, Jiawei Zhou, Minlan Yu,
• Abstract要約: 従来のネットワーク管理のアプローチは、専門知識の豊富な少数の高度に訓練されたネットワークオペレータにのみアクセス可能であった。 我々は,自然言語によるネットワークの対話を可能にすることによって,ネットワーク管理を専門家以外の幅広い利用者に利用できるようにするシステムの設計を行った。
• 参考スコア（独自算出の注目度）: 9.19803557782746
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional approaches to network management have been accessible only to a handful of highly-trained network operators with significant expert knowledge. This creates barriers for lay users to easily manage their networks without resorting to experts. With recent development of powerful large language models (LLMs) for language comprehension, we design a system to make network management accessible to a broader audience of non-experts by allowing users to converse with networks in natural language. To effectively leverage advancements in LLMs, we propose an agentic framework that uses an intermediate representation to streamline configuration across diverse vendor equipment, retrieves the network state from memory in real-time, and provides an interface for external feedback. We also conduct pilot studies to collect real user data of natural language utterances for network control, and present a visualization interface to facilitate dialogue-driven user interaction and enable large-scale data collection for future development. Preliminary experiments validate the effectiveness of our proposed system components with LLM integration on both synthetic and real user utterances. Through our data collection and visualization efforts, we pave the way for more effective use of LLMs and democratize network control for everyday users.
• Abstract（参考訳）: 従来のネットワーク管理のアプローチは、専門知識の豊富な少数の高度に訓練されたネットワークオペレータにのみアクセス可能であった。 これにより、専門家に頼らずとも、素人が簡単にネットワークを管理できる障壁が生まれる。 近年,言語理解のための強力な大規模言語モデル (LLM) の開発が進められている。 LLMの進歩を効果的に活用するために,多様なベンダー機器間で構成を合理化するための中間表現を用いたエージェントフレームワークを提案し,メモリからリアルタイムにネットワーク状態を検索し,外部からのフィードバックのためのインタフェースを提供する。 また、ネットワーク制御のための自然言語発話の実際のユーザデータを収集するためのパイロット研究を行い、対話駆動型ユーザインタラクションを容易にし、将来の開発のために大規模なデータ収集を可能にする可視化インタフェースを提案する。 合成および実ユーザ発話におけるLLM統合によるシステムコンポーネントの有効性を予備実験により検証した。 データ収集と可視化の取り組みを通じて、LLMをより効果的に活用し、日々のユーザーのためにネットワーク制御を民主化する道を開いた。

関連論文リスト

• A New Paradigm of User-Centric Wireless Communication Driven by Large Language Models [53.16213723669751]
  次世代の無線通信は、人工知能とユーザー中心の通信ネットワークを深く統合しようとしている。 本稿では,構造化クエリ言語に対する自然言語を革新的に取り入れた,無線通信のための新しいパラダイムを提案する。 本稿では,物理層における動的意味表現ネットワークを符号化深度に適応させてユーザ要求を満たすプロトタイプシステムを提案する。
  論文  参考訳（メタデータ） (2025-04-16T01:43:36Z)
• Towards Enhancing Linked Data Retrieval in Conversational UIs using Large Language Models [1.3980986259786221]
  本稿では,既存のシステムにおけるLarge Language Models(LLM)の統合について検討する。 LLMの高度な自然言語理解機能を活用することで、Webシステム内のRDFエンティティ抽出を改善する。 本手法の評価は,ユーザクエリに対するシステム表現性と応答精度の顕著な向上を示す。
  論文  参考訳（メタデータ） (2024-09-24T16:31:33Z)
• Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
  大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。 提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
  論文  参考訳（メタデータ） (2024-08-07T08:43:32Z)
• Large Language Models meet Network Slicing Management and Orchestration [0.3644165342767221]
  本稿では,Large Language Models (LLM) とマルチエージェントシステムを利用したネットワークスライシングの今後の展望を提案する。 このフレームワークの実装に伴う課題と、それを緩和する潜在的なソリューションについて議論する。
  論文  参考訳（メタデータ） (2024-03-20T16:29:52Z)
• Large Language User Interfaces: Voice Interactive User Interfaces powered by LLMs [5.06113628525842]
  ユーザとユーザインターフェース(UI)の仲介として機能するフレームワークを提案する。 アノテーションの形でUIコンポーネントのテキストセマンティックマッピングに立つシステムを採用している。 我々のエンジンは、最も適切なアプリケーションを分類し、関連するパラメータを抽出し、その後、ユーザの期待するアクションの正確な予測を実行することができる。
  論文  参考訳（メタデータ） (2024-02-07T21:08:49Z)
• When Large Language Model Agents Meet 6G Networks: Perception, Grounding, and Alignment [100.58938424441027]
  モバイル端末とエッジサーバの協調を利用した6GネットワークにおけるAIエージェントの分割学習システムを提案する。 提案システムでは,LLMのための新しいモデルキャッシングアルゴリズムを導入し,コンテキストにおけるモデル利用を改善する。
  論文  参考訳（メタデータ） (2024-01-15T15:20:59Z)
• Recommender AI Agent: Integrating Large Language Models for Interactive Recommendations [53.76682562935373]
  我々は,LLMを脳として,レコメンダモデルをツールとして使用する,textbfInteRecAgentという効率的なフレームワークを紹介した。 InteRecAgentは会話レコメンデーションシステムとして満足度を達成し、汎用LLMよりも優れる。
  論文  参考訳（メタデータ） (2023-08-31T07:36:44Z)
• Enhancing Network Management Using Code Generated by Large Language Models [15.557254786007325]
  本稿では,大規模言語モデル(LLM)を用いて自然言語クエリからタスク固有コードを生成することにより,自然言語ベースのネットワーク管理エクスペリエンスを促進する新しいアプローチを提案する。 この方法は、ネットワークオペレーターが生成されたコードを検査できるようにすることで、説明可能性、スケーラビリティ、プライバシの課題に取り組む。 ベンチマークアプリケーションを用いてプロトタイプシステムを設計,評価し,高い精度,コスト効率,さらなる拡張の可能性を示す。
  論文  参考訳（メタデータ） (2023-08-11T17:49:15Z)

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。