关于用于通信、网络和服务管理的大型语言模型的研究：应用洞察、挑战及未来发展方向

《IEEE Communications Surveys & Tutorials》：A Survey on Large Language Models for Communication, Network, and Service Management: Application Insights, Challenges, and Future Directions

本文系统探讨大型语言模型（LLMs）在多领域通信网络管理（NSM）中的应用，涵盖移动网络、车联网、云网络及边缘网络，分析其架构、训练方法及实践挑战，提出未来研究方向，为LLMs赋能NSM提供全面框架。

　　

摘要：

近几十年来，通信网络的快速发展加剧了对先进网络和服务管理（NSM）策略的需求，以应对这些网络在效率、可扩展性、性能和可靠性方面日益增长的要求。大型语言模型（LLMs）因其在各种自然语言处理（NLP）任务中的无与伦比的能力以及生成基于上下文的见解而受到了广泛关注，为自动化多种通信NSM任务提供了变革潜力。与仅关注单一网络领域的现有调查不同，本调查研究了LLMs在不同通信网络领域的集成应用，包括移动网络及相关技术、车辆网络、基于云的网络以及雾计算/边缘计算网络。首先，本文提供了关于LLMs的基础知识，详细介绍了通用Transformer架构、通用型和领域特定型LLMs、LLM模型的预训练和微调过程，以及它们与通信NSM之间的关系。在网络监控与报告、基于AI的网络规划、网络部署与分发以及持续网络支持等新分类框架下，我们对每个网络领域中用于NSM任务的LLM应用进行了全面分类，并回顾了现有的相关文献及其贡献。随后，我们指出了当前存在的挑战和未解决的问题，以及LLM驱动的通信NSM未来的研究方向，强调了需要开发出可扩展、适应性强且资源效率高的解决方案，以适应通信网络不断变化的格局。我们期望本调查能够作为一份全面的路线图，为利用LLMs提升NSM水平提供关键性指导。

引言

有线和无线网络技术的快速发展为现代通信网络的普及奠定了坚实基础。通信网络是实现设备、基础设施和系统之间无缝连接的关键，适用于各种应用场景[1]、[2]。这些网络覆盖了从传统有线通信网络到现代无线和移动网络基础设施的多个领域，确保了数据流的顺畅传输和广泛的连接性，从而支持通信网络生态系统的发展，并有助于缩小数字鸿沟。在各种通信网络中，移动网络尤其是第五代（5G）及后续技术的部署，实现了高速数据传输、低延迟、高可靠性和广泛的覆盖范围[3]。与此同时，物联网（IoT）范式连接了数十亿设备，范围从智能家居中的传感器到工业应用（如工业物联网）[4]。车辆网络通过专用短距离通信（DSRC）或车对一切（C-V2X）技术，实现了车辆与路边单元（RSUs）之间的实时数据交换[5]，提升了智能交通系统（ITS）的安全性和效率。此外，基于云的网络通过集中式、可扩展的计算和存储资源，为通信网络中的服务处理和提供提供了支持[6]。另一方面，雾计算/边缘计算网络通过实现本地化处理，将计算和服务更贴近终端用户[7]、[8]。