論文の概要: AutORAN: LLM-driven Natural Language Programming for Agile xApp Development
- arxiv url: http://arxiv.org/abs/2603.18604v1
- Date: Thu, 19 Mar 2026 08:21:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-20 17:19:06.02818
- Title: AutORAN: LLM-driven Natural Language Programming for Agile xApp Development
- Title（参考訳）: AutORAN: アジャイルxApp開発のためのLLM駆動の自然言語プログラミング
- Authors: Xin Li, Shiming Yu, Leming Shen, Jianing Zhang, Yuanqing Zheng, Yaxiong Xie,
- Abstract要約: AutORANは、アジャイルxAppsのための自然言語プログラミングフレームワークである。
ハイレベルなユーザインテントを、数分で素早くデプロイ可能なxAppに変換する。
結果は、AutORANの生成したxAppsが、最もよく知られた手作りのベースラインと同じような、あるいはさらに優れたパフォーマンスを達成できることを示している。
- 参考スコア（独自算出の注目度）: 18.448477906510455
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional RAN systems are closed and monolithic, stifling innovation. The openness and programmability enabled by Open Radio Access Network (O-RAN) are envisioned to revolutionize cellular networks with control-plane applications--xApps. The development of xApps (typically by third-party developers), however, remains time-consuming and cumbersome, often requiring months of manual coding and integration, which hinders the roll-out of new functionalities in practice. To lower the barrier of xApp development for both developers and network operators, we present AutORAN, the first LLM-driven natural language programming framework for agile xApps that automates the entire xApp development pipeline. In a nutshell, AutORAN turns high-level user intents into swiftly deployable xApps within minutes, eliminating the need for manual coding or testing. To this end, AutORAN builds a fully automated xApp generation pipeline, which integrates multiple functional modules (from user requirement elicitation, AI/ML function design and validation, to xApp synthesis and deployment). We design, implement, and comprehensively evaluate AutORAN on representative xApp tasks. Results show AutORAN-generated xApps can achieve similar or even better performance than the best known hand-crafted baselines. AutORAN drastically accelerates the xApp development cycle (from user intent elicitation to roll-out), streamlining O-RAN innovation.
- Abstract（参考訳）: 従来のRANシステムはクローズドでモノリシックであり、イノベーションを妨げる。
Open Radio Access Network (O-RAN)によって実現されたオープン性とプログラム性は、制御プレーンアプリケーションによるセルネットワークの革命を想定している。
しかし、xApps(典型的にはサードパーティの開発者による)の開発は時間と手間がかかり、しばしば手作業によるコーディングと統合を必要とするため、実際には新機能のロールアウトを妨げている。
開発者とネットワークオペレータの両方にとって、xApp開発の障壁を低くするために、私たちは、xApp開発パイプライン全体を自動化したアジャイルxApp向けの、初めてのLLM駆動の自然言語プログラミングフレームワークであるAutORANを紹介します。
簡単に言うと、AutORANは高レベルのユーザインテントを数分で素早くデプロイ可能なxAppに変換することで、手動のコーディングやテストの必要性をなくします。
この目的のために、AutORANは完全な自動化されたxApp生成パイプラインを構築し、複数の機能モジュール(ユーザ要求のエレケーション、AI/ML関数の設計とバリデーション、xApp合成とデプロイメント)を統合する。
代表的xAppタスク上でAutORANを設計し、実装し、包括的に評価する。
結果は、AutORANの生成したxAppsが、最もよく知られた手作りのベースラインと同じような、あるいはさらに優れたパフォーマンスを達成できることを示している。
AutORANは、O-RANのイノベーションを合理化して、xApp開発サイクルを劇的に加速します(ユーザ意図の誘惑からロールアウトまで)。
関連論文リスト
- AppForge: From Assistant to Independent Developer - Are GPTs Ready for Software Development? [28.63033734662797]
APPFORGEは、現実世界のAndroidアプリから引き出された101のソフトウェア開発問題からなるベンチマークである。
アプリケーション文書から主要な機能を自動で要約するマルチエージェントシステムを設計し、テストケースを合成するためにアプリをナビゲートする。
Android開発専門家による厳格な手作業による検証に続いて、APPFORGEでは、テストケースを自動評価フレームワークに組み込んでいる。
論文 参考訳（メタデータ） (2025-10-09T03:26:05Z) - Federated Neuroevolution O-RAN: Enhancing the Robustness of Deep Reinforcement Learning xApps [4.035007094168652]
強化学習(RL)とその先進的な形式である深層RL(DRL)は、ほぼリアルタイム(ほぼRT)のRICにデプロイされるインテリジェントコントローラ(xApp)の設計にますます採用されている。
これらのモデルはしばしば局所的な最適化に遭遇し、RANインテリジェント制御に対する信頼性への懸念を引き起こす。
我々は、NEベースのxAppをRANコントローラxAppsと並行してデプロイするFederated O- enabled Neuroevolution (NE-DRL)を紹介する。
このNE-DRL xAppフレームワークは、破壊することなく、近RT RICの効率的な探索と利用を可能にする
論文 参考訳（メタデータ） (2025-06-15T10:58:10Z) - Skill Discovery for Software Scripting Automation via Offline Simulations with LLMs [63.10710876536337]
検証済みスクリプトの集合であるソフトウェア固有のスキルセットをキュレートするためのオフラインシミュレーションフレームワークを提案する。
本フレームワークは,1)タスク作成,トップダウン機能の利用,およびボトムアップAPIのシナジー探索という2つのコンポーネントから構成される。
Adobe Illustratorでの実験では、我々のフレームワークは自動化の成功率を大幅に改善し、レスポンス時間を短縮し、ランタイムトークンのコストを削減しています。
論文 参考訳（メタデータ） (2025-04-29T04:03:37Z) - Language Models can Self-Lengthen to Generate Long Texts [74.96074422345806]
本稿では,Self-Lengthenというイノベーティブな反復学習フレームワークを紹介する。
補助的なデータやプロプライエタリなモデルを必要としない、大規模言語モデルの本質的な知識とスキルのみを活用する。
ベンチマークと人的評価の実験により、Self-Lengthenは長文生成において既存の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-10-31T13:47:10Z) - xApp Distillation: AI-based Conflict Mitigation in B5G O-RAN [2.699162549701823]
我々は、複数のxAppから知識を抽出し、Previous xAppsの機能を保持した単一モデルをトレーニングする方法を提案する。
性能評価では、競合緩和スキームの比較により、最大で6倍のネットワーク障害が発生する可能性がある。
論文 参考訳（メタデータ） (2024-07-03T12:40:20Z) - ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。
ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する
我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
論文 参考訳（メタデータ） (2024-06-28T08:28:38Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳（メタデータ） (2023-07-16T02:11:34Z) - Actor-Critic Network for O-RAN Resource Allocation: xApp Design,
Deployment, and Analysis [3.8073142980733]
Open Radio Access Network (O-RAN)は、オープンネス、インテリジェンス、自動制御を可能にする新しいRANアーキテクチャを導入した。
RAN Intelligent Controller (RIC)は、RANコントローラの設計とデプロイのためのプラットフォームを提供する。
xAppsは、機械学習(ML)アルゴリズムを活用してほぼリアルタイムで動作することで、この責任を負うアプリケーションである。
論文 参考訳（メタデータ） (2022-09-26T19:12:18Z) - Intelligent Closed-loop RAN Control with xApps in OpenRAN Gym [28.37831674645226]
オープンRANのインテリジェント閉ループ制御のためのAI/MLソリューションの設計方法について論じる。
我々は、OpenRAN Gymを通じて、O-RAN RAN Intelligent Controller (RIC)上でインスタンス化されたxAppにこれらのソリューションを組み込む方法を示す。
論文 参考訳（メタデータ） (2022-08-31T14:09:12Z)
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。