論文の概要: ORION: An Outcome-Driven LLM Advisor for RL-Based Multi-Domain 6G Slice Placement

• arxiv url: http://arxiv.org/abs/2610.41563v1
• Date: Fri, 30 Oct 2026 10:58:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.687141
• Title: ORION: An Outcome-Driven LLM Advisor for RL-Based Multi-Domain 6G Slice Placement
• Title（参考訳）: ORION: RLベースのマルチドメイン6Gスライス配置のためのアウトカム駆動型LCMアドバイザ
• Abstract要約: 2つのLDMエージェントがサービス意図を構造化された要求に変換し、配置計画を生成する階層的なオーケストレータORIONを紹介する。 ORIONの主なコントリビューションはプラン層にある: 結果駆動型エピソードメモリは、完了した各試行、ネットワーク条件プロファイル、提案された計画、そしてその検証可能な結果を記録する。
• 参考スコア（独自算出の注目度）: 0.6117371161379209
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deploying 6G network slices across administrative domains requires an online decision for each arriving request: which domain hosts each virtual network function, how traffic crosses domain boundaries, and whether the slice is admitted. This joint decision problem is NP-hard under continuous arrivals. Experiments on a parametrized family of multi-domain topologies show that no fixed planning strategy dominates across all regimes: the performance ranking reverses between topology classes, and feasible placements exist for most rejected requests but remain undiscovered. These findings identify the plan layer as the decisive performance lever. We introduce ORION, a hierarchical orchestrator in which two LLM agents translate service intents into structured requests and generate abstract placement plans. A cooperative multi-agent RL coordinator selects the cross-domain partition, treating the plan as a persistent soft prior, while per-domain agents place the functions. ORION main contribution lies at the plan layer: an outcome-driven episodic memory that records, for each completed attempt, the network-condition profile, the proposed plan, and its verified feasibility outcome. The memory feeds verified successes and labelled failures back to the planner, thereby closing the adaptation loop using deployment feasibility rather than a scalar reward assigned to the planner's own proposals. To isolate the effect of the plan quality, we evaluate the planner on held-out topology families while keeping the downstream selection and execution mechanisms fixed. Under this controlled setting, the proposed memory improves admission by $4.6$--$11.5$ percentage points over the same planner without memory, while importance-based retention accounts for most of the improvement over a first-in-first-out store.
• Abstract（参考訳）: 管理ドメインに6Gネットワークスライスをデプロイするには、どのドメインがそれぞれの仮想ネットワーク機能をホストするか、どのようにトラフィックがドメイン境界を越えているか、スライスが許可されるか、といった、到着するリクエスト毎にオンライン決定が必要である。 この共同決定問題は、連続到着時のNPハードである。 マルチドメイントポロジのパラメタライズドファミリーの実験では、すべてのレジームで固定的な計画戦略が支配的でないことが示されている: トポロジクラス間のパフォーマンスランキングは逆転し、ほとんどの拒否された要求に対して実現可能な配置は存在するが、未発見のままである。 これらの結果は,計画層を決定的な性能レバーとみなしている。 2つのLLMエージェントがサービス意図を構造化された要求に変換し、抽象的な配置計画を生成する階層的なオーケストレータORIONを導入する。 協調的マルチエージェントRLコーディネータがクロスドメインパーティションを選択し、プランを永続的なソフト先行として扱い、ドメイン単位のエージェントが機能を配置する。 ORIONの主なコントリビューションはプラン層にある: 結果駆動型エピソードメモリは、完了した各試行、ネットワーク条件プロファイル、提案された計画、そしてその検証可能な結果を記録する。 メモリは、検証された成功とラベル付けされた失敗をプランナーにフィードバックし、それによって、プランナー自身の提案に割り当てられたスカラー報酬ではなく、デプロイメントの実現可能性を使って適応ループを閉じる。 計画品質の影響を分離するために,下流の選択と実行機構を固定したまま,プランナーが保留トポロジファミリーに与える影響を評価した。 この制御された設定の下では、提案されたメモリは、メモリなしで同じプランナー上で4.6$--11.5$のパーセンテージポイントでエントリーを改善する。

関連論文リスト

• Does The Way You Plan Matter? An Empirical Study of Planning Representations for LLM Web Agents [43.297647791392144]
  エージェント性能における計画表現の影響を評価するフレームワークであるPlanAheadを紹介する。 まず、WebArenaタスクを3つの難易度に分類し、人間のアノテーションなしで一貫した難易度付けを可能にする。 次に,4つの異なる計画表現を,難易度に分類して体系的に評価する。
  論文  参考訳（メタデータ） (2026-05-28T13:39:49Z)
• PRISM: : Planning and Reasoning with Intent in Simulated Embodied Environments [59.07829883257003]
  5つの集合住宅の上に建設され、PRISMは300の人間認証タスクを3つの能力レベルに構成する。 PRISMはエージェントに依存しない実行可能なアクションAPIを公開し、任意のエージェントをエンドツーエンドで評価できるようにする。
  論文  参考訳（メタデータ） (2026-05-12T04:59:47Z)
• HiPER: Hierarchical Reinforcement Learning with Explicit Credit Assignment for Large Language Model Agents [36.77027704958893]
  HiPERは階層的計画実行(Hierarchical Plan-Execute RL)フレームワークで、高レベルの計画と低レベルの実行を分離する。 HiPER は ALFWorld で97.4%、Qwen2.5-7B-Instruct で WebShop で83.3% を達成している。
  論文  参考訳（メタデータ） (2026-02-18T03:31:34Z)
• On the Generalization Gap in LLM Planning: Tests and Verifier-Reward RL [2.3553294445398567]
  細調整された大規模言語モデル(LLM)は、PDDL計画タスクにおいて、高い有効計画記憶率を達成することができる。 しかし、これが移行可能な計画能力やドメイン固有の一般化を反映しているかどうかは不明だ。
  論文  参考訳（メタデータ） (2026-01-20T20:25:37Z)
• Decompose, Plan in Parallel, and Merge: A Novel Paradigm for Large Language Models based Planning with Multiple Constraints [31.631832677979826]
  本稿では,並列計画パラダイムを提案し,並列におけるサブタスク計画とマージを最終計画(DPPM)に分割する。 具体的には、制約に基づいて複雑なタスクをサブタスクに分解し、各サブタスクのサブプランを並列に生成し、それらをグローバルプランにマージする。 実験の結果,DPPMは旅行計画タスクにおいて既存の手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2025-06-03T09:33:13Z)
• Learning adaptive planning representations with natural language guidance [90.24449752926866]
  本稿では,タスク固有の計画表現を自動構築するフレームワークであるAdaについて述べる。 Adaは、プランナー互換の高レベルアクション抽象化と、特定の計画タスク領域に適応した低レベルコントローラのライブラリを対話的に学習する。
  論文  参考訳（メタデータ） (2023-12-13T23:35:31Z)
• Federated Natural Policy Gradient and Actor Critic Methods for Multi-task Reinforcement Learning [46.28771270378047]
  フェデレート強化学習(RL)は、ローカルデータトラジェクトリを共有することなく、複数の分散エージェントの協調的な意思決定を可能にする。 本研究では,環境の同じ遷移カーネルを共有しながら,各エージェントが異なるタスクに対応する個別の報酬関数を持つマルチタスク設定について考察する。 我々は、分散された方法で全てのエージェントの割引された全報酬の総和を最大化する、世界的な最適政策を学習する。
  論文  参考訳（メタデータ） (2023-11-01T00:15:18Z)
• Differentiable Spatial Planning using Transformers [87.90709874369192]
  本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。 エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。 SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
  論文  参考訳（メタデータ） (2021-12-02T06:48:16Z)
• Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options [54.40780660868349]
  我々はLinearly-Solvable Goal Kernel Dynamic Programming (LS-GKDP)と呼ばれる合成フレームワークを導入する。 LS-GKDPは、Linearly-Solvable Markov Decision Process (LMDP)形式とOptions Framework of Reinforcement Learningを組み合わせたものである。 本稿では,目標カーネルを持つLMDPが,タスク接地によって定義された低次元部分空間におけるメタポリティシの効率的な最適化を実現する方法を示す。
  論文  参考訳（メタデータ） (2020-07-06T05:13:20Z)
• Divide-and-Conquer Monte Carlo Tree Search For Goal-Directed Planning [78.65083326918351]
  暗黙的な逐次計画の仮定に代わるものを検討する。 本稿では,最適計画の近似を行うため,Divide-and-Conquer Monte Carlo Tree Search (DC-MCTS)を提案する。 計画順序に対するこのアルゴリズム的柔軟性は,グリッドワールドにおけるナビゲーションタスクの改善に繋がることを示す。
  論文  参考訳（メタデータ） (2020-04-23T18:08:58Z)

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。