基于LLM的无线网络多Agent系统：联合Agent--网络设计视角

随着大语言模型 (LLM) 从独立模型发展为嵌入物理系统中的协作Agent，它们的推理和执行越来越多地分布在无线边缘节点上。在这种情况下，无线网络正在经历从仅提供数据连接到支持多Agent推理工作流程本身的范式转变。这种基于LLM的网络约束多智能体系统（MAS）的任务性能受到多智能体推理依赖性以及底层网络连接和边缘资源的共同影响。这种耦合带来了各种技术挑战，包括度量不一致和消息冗余、状态不一致和拓扑不匹配、以及资源限制和信任不连续性。为了应对这些挑战，本文开发了一种新颖的联合Agent——网络设计视角，可以协调系统双方的决策。具体来说，我们提出了Agent-交互调度和资源分配的联合设计，消息选择-传输的联合设计，以及Agent-网络拓扑设计和工作负载-资源分配的联合设计。此外，我们考虑与Agent端信息流控制相关的网络验证来源，以限制接收到的信息如何影响后续操作。一项说明性的车辆到一切 (V2X) 案例研究表明，联合调整Agent端交互决策和网络操作可以改善通信和边缘资源约束下的任务完成情况，优于传统的仅Agent和仅无线的单独设计。