AgenticPrecoding：用于预编码优化的 LLM 授权多代理系统

预编码是多天线无线系统中干扰管理和性能改进的关键技术。然而，现有的预编码方法通常是针对特定的系统模型、目标和约束集而开发的，这限制了它们对未来 6G 网络中预期的异构和不断发展的场景的适应性。为了解决这个限制，我们提出了 AgenticPrecoding，这是一种通用的多代理框架，可以直接根据用户级通信需求自动进行端到端预编码推导。具体来说，AgenticPrecoding 将推导过程分解为四个协调的阶段：问题制定、求解器选择、提示上采样和代码生成，并将每个阶段分配给根据其特定推理需求定制的专门代理。我们采用两个适应 LoRA 的推理代理来注入特定于预编码的领域知识以进行问题表述和求解器选择，同时两个通用 大语言模型 (LLM) 处理即时细化和可执行代码生成。此外，还结合了反馈驱动的细化机制，以增强代码的可执行性、约束可行性和解决方案质量。跨 10 个代表性预编码场景的大量实验表明，与传统的基于优化和基于 LLM 的基线相比，AgenticPrecoding 实现了卓越的跨场景适应性。