电信世界模型：统一 6G 数字孪生、基础模型和预测规划

机器学习工具与电信网络的集成催生了两种流行的范式，即基于语言的系统，例如 大语言模型 (LLM)，和基于物理的系统，例如数字孪生 (DT)。虽然基于 LLM 的方法可以实现灵活的交互和自动化，但它们缺乏网络动态的明确表示。相比之下，DT 提供高保真网络模拟，但仍然针对特定场景，并且不是为不确定情况下的学习或决策而设计的。这种差距对于 6G 系统变得至关重要，其中决策必须考虑不断变化的网络状态、不确定性以及跨多个层的控制操作的级联效应。在本文中，我们介绍了{电信世界模型}~(TWM) 概念，这是一种用于电信系统动态学习、动作条件、不确定性感知建模的架构。我们将问题分解为两个相互作用的世界，一个由操作员可配置设置组成的可控系统世界和一个捕获传播、移动性、流量和故障的外部世界。我们提出了一个三层架构，包括用于空间环境预测的现场世界模型、用于动作条件关键绩效指标（KPI）轨迹预测的控制/动态世界模型以及用于意图转换和编排的电信基础模型层。我们展示了现有范式之间的比较分析，表明 TWM 共同提供电信状态基础、快速行动条件推出、校准不确定性、多时间尺度动态、基于模型的规划和 LLM 集成护栏。此外，我们提出了网络切片的概念验证，以验证所提出的架构，表明完整的三层管道优于单世界基线并准确预测 KPI 轨迹。