arXiv · cs.AI · Mahmoud S. Mayaleh, Fetia Bannour, Nour-El-Houda Yellas · 10 小时前模型评分36
ORION：面向 RL 多域 6G 切片放置的结果驱动 大语言模型（LLM，Large Language Model） 顾问
ORION: An Outcome-Driven LLM Advisor for RL-Based Multi-Domain 6G Slice Placement
导读
研究提出 ORION，一个分层编排器，用两个大语言模型（LLM，Large Language Model）智能体把服务意图转成结构化请求并生成抽象放置方案，再由协作式多智能体强化学习协调器选择跨域划分。其核心是结果驱动的情景记忆，把每次尝试的网络状况、方案与可行性结果回传给规划器，在固定下游机制的控制实验中使接纳率提升 4.6–11.5 个百分点。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：交通与物流
事件类型：研究发布
证据摘录
- “We introduce ORION, a hierarchical orchestrator in which two LLM agents translate service intents into structured requests and generate abstract placement plans.”
- “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.”
来源：arXiv · cs.AI · arxiv.org