Nowy framework łączy duże modele językowe z wiedzą domenową, aby odpowiadać na naturalne polecenia użytkowników w zintegrowanych sieciach 6G. Problem polega na tym, że intencje użytkowników wyrażone w naturalnym języku są często niejasne, niepełne lub sprzeczne, a nieograniczone działanie LLM może prowadzić do błędnych decyzji sieciowych. Proponowane rozwiązanie wykorzystuje gramatycznie ograniczone parsowanie semantyczne oraz pętlę wyjaśniającą opartą na grafach wiedzy.
Framework został przetestowany na zbiorze 200 próbek intencji i wykazał 89% dokładność w klasyfikacji oraz 95% ważności wygenerowanych polityk sieciowych. Średnio wymagał zaledwie 0.66 turystyki wyjaśniającej na jedno żądanie. W porównaniu z podejściem bazującym na czystym LLM, knowledge-guided rozwiązanie lepiej radzi sobie z wykrywaniem sprzeczności i walidacją polityk, jednocześnie zmniejszając liczbę koniecznych interakcji.
To podejście ma znaczenie dla przyszłości 6G, gdzie automatyczne zarządzanie sieciami obejmującymi zarówno tradycyjną infrastrukturę lądową jak i satelitarne połączenia (NTN) będzie kluczowe. Łączenie LLM z eksplicitną wiedzą domenową otwiera drogę do bardziej niezawodnych systemów orkestracji usług, które mogą być wdrażane w krytycznych infrastrukturach telekomunikacyjnych.