論文の概要: IntAgent: NWDAF-Based Intent LLM Agent Towards Advanced Next Generation Networks

• arxiv url: http://arxiv.org/abs/2601.13114v1
• Date: Mon, 19 Jan 2026 14:55:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.938756
• Title: IntAgent: NWDAF-Based Intent LLM Agent Towards Advanced Next Generation Networks
• Title（参考訳）: IntAgent:次世代ネットワークに向けたNWDAFベースのIntent LLMエージェント
• Authors: Abdelrahman Soliman, Ahmed Refaey, Aiman Erbad, Amr Mohamed,
• Abstract要約: 我々は、NWDAF分析とツールを統合し、ネットワークオペレータの意図を満たすインテリジェントインテントLLMエージェントであるIntAgentを紹介する。 我々は3GPPに準拠したリッチなデータソースを提供し、ネットワークオペレーターのゴールの動的でコンテキスト対応の充足を強化する。 MLベースの交通予測とスケジュールされた政策執行の2つの実践事例を通して,本フレームワークの有効性を実証する。
• 参考スコア（独自算出の注目度）: 9.418248932985376
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intent-based networks (IBNs) are gaining prominence as an innovative technology that automates network operations through high-level request statements, defining what the network should achieve. In this work, we introduce IntAgent, an intelligent intent LLM agent that integrates NWDAF analytics and tools to fulfill the network operator's intents. Unlike previous approaches, we develop an intent tools engine directly within the NWDAF analytics engine, allowing our agent to utilize live network analytics to inform its reasoning and tool selection. We offer an enriched, 3GPP-compliant data source that enhances the dynamic, context-aware fulfillment of network operator goals, along with an MCP tools server for scheduling, monitoring, and analytics tools. We demonstrate the efficacy of our framework through two practical use cases: ML-based traffic prediction and scheduled policy enforcement, which validate IntAgent's ability to autonomously fulfill complex network intents.
• Abstract（参考訳）: インテントベースのネットワーク(IBN)は、ハイレベルなリクエストステートメントを通じてネットワーク操作を自動化する革新的な技術として、ネットワークが何を達成すべきかを定義している。 本研究では、NWDAF分析とツールを統合し、ネットワークオペレータの意図を満たすインテリジェントインテントLLMエージェントであるIntAgentを紹介する。 従来の手法とは異なり、我々はNWDAF分析エンジンから直接インテントツールエンジンを開発し、エージェントがライブネットワーク分析を利用して推論とツールの選択を知らせることを可能にする。 私たちは3GPPに準拠したリッチなデータソースを提供し、ネットワークオペレーターの目標を動的かつコンテキスト対応で満たし、スケジューリング、監視、分析ツールのためのMSPツールサーバを提供しています。 IntAgentの複雑なネットワーク意図を自律的に満たす能力を検証するMLベースのトラフィック予測と,スケジュールされたポリシー執行という,2つの実践的なユースケースを通じて,我々のフレームワークの有効性を実証する。

関連論文リスト

• Towards 6G Native-AI Edge Networks: A Semantic-Aware and Agentic Intelligence Paradigm [85.7583231789615]
  6Gはインテリジェンスをネイティブネットワークの能力として位置づけ、無線アクセスネットワーク(RAN)の設計を変革する このビジョンの中では、セマンティック・ネイティブのコミュニケーションとエージェント・インテリジェンスが中心的な役割を果たすことが期待されている。 エージェントインテリジェンスは、RANエンティティに目標駆動の自律性、推論、計画、マルチエージェントコラボレーションを提供する。
  論文  参考訳（メタデータ） (2025-12-04T03:09:33Z)
• OFCnetLLM: Large Language Model for Network Monitoring and Alertness [0.7379838047227086]
  本稿では,Large Language Models (LLM) を用いたネットワーク監視管理の革新について検討する。 我々はLSMを活用し、異常検出を強化し、根本原因分析を自動化し、インシデント分析を自動化し、AIを用いたよく監視されたネットワーク管理チームを構築する。 私たちのモデルはマルチエージェントアプローチとして開発され、現在も進化を続けており、早期の結果が得られています。
  論文  参考訳（メタデータ） (2025-07-30T14:22:42Z)
• Symbiotic Agents: A Novel Paradigm for Trustworthy AGI-driven Networks [1.5684305805304426]
  大規模言語モデル(LLM)に基づく自律エージェントは、6Gネットワークの進化において重要な役割を果たすことが期待されている。 我々は、LLMのリアルタイム最適化アルゴリズムをTrustworthy AIに組み合わせた新しいエージェントパラダイムを導入する。 本稿では,AGIネットワークのエンドツーエンドアーキテクチャを提案し,移動車からのチャネル変動をキャプチャする5Gテストベッド上で評価する。
  論文  参考訳（メタデータ） (2025-07-23T17:01:23Z)
• SmartAgent: Chain-of-User-Thought for Embodied Personalized Agent in Cyber World [50.937342998351426]
  COUT(Chain-of-User-Thought)は、新しい推論パラダイムである。 我々は、サイバー環境を認識し、パーソナライズされた要求を推論するエージェントフレームワークであるSmartAgentを紹介する。 我々の研究は、まずCOUTプロセスを定式化し、パーソナライズされたエージェント学習を具体化するための予備的な試みとして役立ちます。
  論文  参考訳（メタデータ） (2024-12-10T12:40:35Z)
• Optimal In-Network Distribution of Learning Functions for a Secure-by-Design Programmable Data Plane of Next-Generation Networks [2.563180814294141]
  本稿では、完全に分散した侵入検知システム(IDS)または侵入防止システム(IPS)を実装することを目的としたネットワーク内学習モデルの展開に焦点を当てた。 データプレーンデバイス間でのIDS/IPSワークロードの最適分配について,通常の操作を過度に負担することなく,完全なネットワークセキュリティを確保するためのモデルを提案する。
  論文  参考訳（メタデータ） (2024-11-27T14:29:53Z)
• Auto-Intent: Automated Intent Discovery and Self-Exploration for Large Language Model Web Agents [68.22496852535937]
  本稿では,事前訓練された大規模言語モデル(LLM)を,直接微調整なしで対象ドメインのエージェントとして適用する手法であるAuto-Intentを紹介する。 提案手法はまず,対象領域の実証から意図を教師なしで発見する。 我々は、エージェントの過去の観察と行動から次の意図を予測するために、意図予測器を訓練する。
  論文  参考訳（メタデータ） (2024-10-29T21:37:04Z)
• Semantic Routing for Enhanced Performance of LLM-Assisted Intent-Based 5G Core Network Management and Orchestration [10.981422497762837]
  大規模言語モデル(LLM)は人工知能(AI)アプリケーションで急速に普及している。 本稿では,5Gコアネットワークの意図に基づく管理とオーケストレーションにおける性能向上を目的としたセマンティックルーティングを提案する。
  論文  参考訳（メタデータ） (2024-04-24T13:34:20Z)
• A Dynamic LLM-Powered Agent Network for Task-Oriented Agent Collaboration [55.35849138235116]
  本稿では,様々なタスクやドメインに対する動的コミュニケーション構造において,候補からエージェントのチームを自動的に選択する手法を提案する。 具体的には, LLMを利用したエージェント協調のための動的LLMパワーエージェントネットワーク(textDyLAN$)というフレームワークを構築した。 我々は、コード生成、意思決定、一般的な推論、算術的推論タスクにおいて、適度な計算コストで、DyLANが強力なベースラインを上回ることを実証する。
  論文  参考訳（メタデータ） (2023-10-03T16:05:48Z)
• Learning Connectivity for Data Distribution in Robot Teams [96.39864514115136]
  グラフニューラルネットワーク(GNN)を用いたアドホックネットワークにおけるデータ分散のためのタスク非依存,分散化,低レイテンシ手法を提案する。 当社のアプローチは、グローバル状態情報に基づいたマルチエージェントアルゴリズムを各ロボットで利用可能にすることで機能させます。 我々は,情報の平均年齢を報酬関数として強化学習を通じて分散gnn通信政策を訓練し,タスク固有の報酬関数と比較してトレーニング安定性が向上することを示す。
  論文  参考訳（メタデータ） (2021-03-08T21:48:55Z)

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。