研究人员开发了 TelcoAgent，一个旨在改进 5G 及未来电信网络关键绩效测量 (KPM) 预测的新框架。该基于基础模型的系统解决了当前机器学习方法在可扩展性和可解释性方面的局限性。TelcoAgent 采用三代理管道从 3GPP 规范构建知识图谱，利用时间序列基础模型进行零样本预测，并包含一个用于可操作诊断的推理管道。该框架在真实 5G 数据集上进行了测试，在多个 KPM 上展示了高准确性，并为网络问题解决提供了可解释的见解。 AI
影响 该框架通过提供准确、可解释的预测，能够实现对复杂电信网络更主动、更高效的管理。
排序理由 该集群包含一篇详细介绍特定技术领域新 AI 框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.19821v1 Announce Type: new Abstract: Key Performance Measurement (KPM) forecasting is essential for proactive network management of 5G and next-generation telecom networks. However, existing machine learning (ML) approaches face significant limitations in scalability a…
Key Performance Measurement (KPM) forecasting is essential for proactive network management of 5G and next-generation telecom networks. However, existing machine learning (ML) approaches face significant limitations in scalability and explainability, restricting their effectivene…