实体
radio access network
radio access network
PulseAugur coverage of radio access network — every cluster mentioning radio access network across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
量子强化学习大幅降低5G网络能耗
研究人员开发了一种新颖的量子强化学习（QRL）算法，以显著降低5G及未来网络中的能耗。该方法解决了基站高能耗的挑战，基站占网络能耗的很大一部分。通过利用叠加和纠缠等量子原理，QRL算法比传统的深度强化学习（DRL）方法收敛更快。模拟显示，QRL在保持服务质量的同时能有效降低能耗，在速度和学习复杂度方面均优于DRL和Q-Learning。
-
新理论提出具备“心智理论”的LLM智能体用于6G网络
一篇新论文提出了一个理论框架，旨在使用大型语言模型（LLM）智能体来管理未来的6G网络。研究表明，智能体之间的消息应被视为推理的痕迹，而非客观事实，这需要智能体具备“心智理论”（ToM）来模拟彼此的信念和推理过程。这种方法旨在通过源自认知信道模型的五个设计原则，增强网络抵御AI幻觉导致的级联故障的韧性。
-
新研究提出面向6G网络的LLM智能体心智理论
一篇新研究论文提出了一个使用大型语言模型（LLM）智能体管理未来6G网络的框架。该论文介绍了用于弹性多智能体系统的五项原则，强调消息应被视为推理的痕迹而非客观事实。它建议，一种“心智理论”方法，即智能体模拟其同行的信念，对于防止由AI幻觉引起的级联故障至关重要。所提出的方法使用认知信噪比和蜂窝层模型来确保网络一致性和抗误导性。