論文の概要: Intent2Tc: Automated Intent-to-Traffic Control Translation with Language Models
- arxiv url: http://arxiv.org/abs/2609.31397v1
- Date: Fri, 25 Sep 2026 15:25:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.456957
- Title: Intent2Tc: Automated Intent-to-Traffic Control Translation with Language Models
- Title（参考訳）: Intent2Tc:言語モデルを用いたIntent-to-Traffic制御自動翻訳
- Abstract要約: 品質・オブ・サービス(QoS)の実施には、高レベルのサービス意図をデプロイ可能なトラフィック管理ポリシに変換する必要があります。
本稿では、ビジネスレベルのトラフィック形成意図を宣言的なサブインテントに変換するクローズドループ言語駆動フレームワークIntent2Tcを提案する。
このフレームワークは、Active Queue Management(AQM)ベースのデジタルツイン(DT)セマンティックモデル、メタデータの自動抽出、批判駆動の洗練、およびRetrieval-Augmented Generation(RAG)ベースの知識再利用を統合している。
- 参考スコア（独自算出の注目度）: 11.283542877442457
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Automated and highly usable Quality-of-Service (QoS) enforcement requires translating high-level service intents into deployable traffic-management policies. Although intent-based networking (IBN) has simplified policy specification, bridging the gap between business-level intents and executable network configurations remains complex, error-prone, and difficult to automate. This paper presents Intent2Tc, a closed-loop language-model-driven framework that translates business-level traffic-shaping intents into declarative sub-intents and subsequently into validated, executable Linux traffic control (tc) configurations. The framework integrates an Active Queue Management (AQM)-based digital twin (DT) semantic model, automated metadata extraction, critique-driven refinement, and Retrieval-Augmented Generation (RAG)-based knowledge reuse to improve semantic consistency and configuration reliability. We evaluate multiple open-source large language models (LLMs) and small language models (SLMs), together with Claude Sonnet-4.6, on 100 Request for Comments (RFC) 9315-compliant traffic-shaping intents. Across both translation stages, Intent2Tc achieves high semantic fidelity, configuration accuracy, and deployment readiness, with Claude Sonnet-4.6 reaching 0.98 semantic similarity, 1.0 semantic unit coverage, and 0.045 normalized edit distance. Furthermore, RAG reduces token consumption and inference latency while enabling compact models such as Phi-4-mini to approach the performance of substantially larger models. Linux tc serves as the target configuration platform, demonstrating the practical applicability of the proposed framework.
- Abstract（参考訳）: 自動化され、使用性の高いQuality-of-Service(QoS)の実施には、高レベルのサービス意図をデプロイ可能なトラフィック管理ポリシに変換する必要があります。
インテントベースのネットワーク(IBN)はポリシー仕様を単純化しているが、ビジネスレベルのインテントと実行可能なネットワーク構成のギャップを埋めることは複雑であり、エラーが発生し、自動化が困難である。
Intent2Tcはクローズドループ言語駆動のフレームワークで、ビジネスレベルのトラフィック形成意図を宣言的なサブインテントに変換し、その後、検証可能なLinuxトラフィック制御(tc)構成に変換する。
このフレームワークは、Active Queue Management(AQM)ベースのデジタルツイン(DT)セマンティックモデル、メタデータの自動抽出、批判駆動の洗練、およびRetrieval-Augmented Generation(RAG)ベースの知識再利用を統合し、セマンティック一貫性と構成信頼性を向上させる。
我々は,Claude Sonnet-4.6とともに,オープンソースの複数大言語モデル (LLM) と小言語モデル (SLM) を評価し,100 Request for Comments (RFC) 9315 準拠のトラフィック生成意図について検討した。
どちらの翻訳段階においても、Intent2Tcは高いセマンティック忠実性、構成精度、デプロイメントの準備ができており、Claude Sonnet-4.6は0.98のセマンティック類似性、1.0のセマンティックユニットカバレッジ、0.045の正規化編集距離に達した。
さらに、RAGは、Phi-4-miniのようなコンパクトモデルにより、かなり大きなモデルの性能にアプローチしながら、トークンの消費と推論遅延を低減する。
Linux tcはターゲット設定プラットフォームとして機能し、提案されたフレームワークの実用性を示している。
関連論文リスト
- Diffusion Language Models for Mobile Edge Agentic AI: Foundations, Applications, and Challenges [58.887152635127165]
拡散言語モデル(DLM)は、モバイルエッジエージェント人工知能(AI)の非自己回帰的な代替手段を提供する
DLMは複数の不確実なトークンを並列に更新し、生成プロセスを通して双方向のコンテキストを利用することができる。
この調査は、DLMの基礎をレビューし、レイテンシ、メモリ、エネルギ、帯域幅、プライバシ、信頼性制約の下でのエッジ設定に対する適合性を分析します。
論文 参考訳（メタデータ） (2026-09-04T06:16:49Z) - R2Code: A Self-Reflective LLM Framework for Requirements-to-Code Traceability [10.671057890932088]
本稿では、推論コストを低減しつつ、トレースリンクの精度を向上させるために設計されたセマンティックトレーサビリティフレームワークであるR2Codeを提案する。
R2Codeは3つのコンポーネントを統合している: 1) 分解強化双方向アライメントネットワーク(BAN) 、4層要求セマンティクスを対応するコード構造と整合させて相互レベルのセマンティクスマッチングをサポートする; 2) 説明誘導整合性チェックを実行してリンク信頼性を校正する自己表現整合性検証(SRCV)モジュール、3) セマンティクスオーバーラップ重み付けを用いてコンテキストを調整・フィルタリングする動的コンテキスト適応検索(DCAR)機構。
論文 参考訳（メタデータ） (2026-04-24T10:47:56Z) - OneDrive: Unified Multi-Paradigm Driving with Vision-Language-Action Models [69.2503510410147]
予め訓練されたVLM上に構築した統合自動運転フレームワークを提案する。
トレーニング済みのVLMアテンションは、純粋言語モデリング以上の強い伝達性を示すことを示す。
エンドツーエンドの自動運転ベンチマークの実験は、最先端のパフォーマンスを示している。
論文 参考訳（メタデータ） (2026-04-20T07:50:00Z) - Unifying Language-Action Understanding and Generation for Autonomous Driving [25.23561391638388]
VLA(Vision-Language-Action)モデルは、エンドツーエンドの自動運転において有望なパラダイムとして浮上している。
既存の手法には、言語命令とアクションアウトプットの永続的なミスアライメントと、典型的な自己回帰行動生成の非効率性という2つの重要な制限がある。
LinkVLAは、これらの課題に直接対処し、アライメントと効率の両方を強化する新しいアーキテクチャです。
論文 参考訳（メタデータ） (2026-03-02T04:41:10Z) - Intent2QoS: Language Model-Driven Automation of Traffic Shaping Configurations [6.027356970659455]
トラフィックの整形とQoS(Quality of Service)の実施は、ネットワークの帯域幅、レイテンシ、公平性を管理する上で重要である。
本稿では,自然あるいは宣言型言語における高レベルなトラフィックシェーピング意図を,有効かつ正確なトラフィック制御ルールに変換する自動フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-26T21:18:14Z) - INTA: Intent-Based Translation for Network Configuration with LLM Agents [9.918289040021623]
異なるネットワークデバイス間の関数構成の変換は、現代のネットワーク操作では一般的だが難しい課題である。
本稿では,Large Language Model (LLM) エージェントを利用するインテントベースの翻訳フレームワークであるINTAを提案する。
INTAは構文とビューの正確性の両方で98.15%の精度を達成し、コマンドリコールレートは84.72%である。
論文 参考訳（メタデータ） (2025-01-15T12:25:56Z) - TrustRAG: Enhancing Robustness and Trustworthiness in Retrieval-Augmented Generation [31.231916859341865]
TrustRAGは、生成のために取得される前に、悪意のある、無関係なコンテンツを体系的にフィルタリングするフレームワークである。
TrustRAGは、検索精度、効率、攻撃抵抗を大幅に改善する。
論文 参考訳（メタデータ） (2025-01-01T15:57:34Z) - MIETT: Multi-Instance Encrypted Traffic Transformer for Encrypted Traffic Classification [59.96233305733875]
トラフィックの分類は、セキュリティの脅威を検出し、ネットワーク管理を最適化するために不可欠である。
トークンレベルとパケットレベルの両方の関係をキャプチャするMulti-Instance Encrypted Traffic Transformer (MIETT)を提案する。
MIETTは5つのデータセットにまたがって結果を達成し、暗号化されたトラフィックの分類と複雑なネットワーク動作の理解の有効性を示す。
論文 参考訳（メタデータ） (2024-12-19T12:52:53Z) - Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。
本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。
設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
論文 参考訳（メタデータ） (2024-04-10T13:24:27Z) - Communication-Efficient Personalized Federated Learning for Speech-to-Text Tasks [64.02867484165476]
プライバシー保護と法的規制を満たすために、連邦学習(FL)は、音声テキスト(S2T)システムのトレーニングにおいて大きな注目を集めている。
S2Tタスクで一般的に使用されるFLアプローチ(textscFedAvg)は、通常、広範な通信オーバーヘッドに悩まされる。
我々は、クライアント側チューニングとサーバとのインタラクションのための軽量なLoRAモジュールであるtextscFedLoRA と、$k$-near を備えたグローバルモデルである textscFedMem を導入したパーソナライズされたS2Tフレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-18T15:39:38Z)
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。