基于大语言模型和动态语义路由的意图驱动 5G 网络管理

arXiv 论文提出将大语言模型与意图驱动网络管理结合，用于 5G 核心网。通过动态语义路由器从运营商自然语言提示中识别意图并提取细节，评估静态与动态路由在信息提取和格式化的表现，结果显示两种方法均有效。

此前意图驱动网络管理多依赖结构化接口或简单规则，难以处理自然语言的模糊性。该研究展示 LLM 可直接解析运营商自然语言指令，降低网络管理门槛，可能改变 5G 核心网的运维方式，尤其在复杂意图识别上提供更灵活的方案。

LLM 将运营商自然语言提示映射为意图，通过语义路由器对比提示和预定义意图的语义相似度，选择动态路由提取关键细节（如用户/业务类型），再转换为标准 schema 供网络管理系统执行。动态路由可能基于编码器效果调整，提升精度。

对网络管理产品而言，可集成 LLM 接口，让运维人员用自然语言下达指令，减少培训成本。研发上需评估不同编码器对中文或特定领域的适配性。潜在影响包括降低复杂事件响应时间，但需关注模型推理的实时性和准确性。

• 为 5G 边缘管理平台开发自然语言运维插件，允许输入如“为视频业务分配高优先级切片”，自动生成配置模板。
• 在企业专网管理工具中内置意图识别模块，复用该论文的语义路由设计，提供中文语言支持。
• 与网络设备厂商合作，在网管系统中集成 LLM 路由器，先在小范围试点评估意图提取准确率。

• 静态与动态路由在不同语言（如中文）和网络场景下的准确率差异如何？
• 未提供实际运营商提示的样本，无法判断其实用性。
• LLM 推理延迟是否满足 5G 实时网络管理的需求？
• 该方案对网络安全和隐私（如指令泄露）有何影响？