Репортаж от Wedoany，Исследование, препринт которого опубликован на arXiv, представляет агентную структуру TelcoAgent, объединяющую прогнозирование временных рядов с графом знаний 3GPP для автоматизированного прогнозирования показателей производительности и диагностики сетей 5G. Результаты, опубликованные в июне 2026 года, направлены на решение проблем понимания данных и согласования со стандартами, с которыми сталкиваются операторы при масштабном управлении сетями.
Основная конструкция TelcoAgent включает три компонента: базовая модель временных рядов (TSFM) для прогнозирования между сотами, многоагентный уровень рассуждений на основе большой языковой модели (LLM) для интерпретации результатов прогнозирования и автоматически построенный граф знаний 3GPP. Этот граф знаний используется для ограничения выводов LLM, обеспечивая соответствие её результатов стандартным спецификациям. Особенностью системы является способность к нулевому прогнозированию, то есть без необходимости переобучения модели для каждой площадки, она может одновременно прогнозировать 7 ключевых показателей производительности (KPM) для 200 сот и автоматически генерировать возможные причины ухудшения и рекомендации по их устранению.
В ходе оценки система, основанная на городских данных 5G одного американского оператора, охватила все 7 KPM для 200 сот в течение трёх месяцев. Авторы сообщают, что TelcoAgent превзошёл установленные базовые показатели по точности прогнозирования всех метрик и надёжно связывал прогнозируемые проблемы производительности с конкретными функциями RAN, предлагая конкретные меры вмешательства. В отличие от предыдущих работ, таких как TelcoAI, которые служили лишь документальными помощниками, TelcoAgent расширяет стандартные знания на оперативное прогнозирование и выводы в реальном времени в сети.
В поддержку этого исследования сопутствующая статья представляет TelcoAgent-Bench и TelcoAgent-Metrics — эталон, специально предназначенный для оценки многоязычных телекоммуникационных LLM-агентов, охватывающий такие задачи, как чтение спецификаций 3GPP, устранение неисправностей и рассуждения на основе телекоммуникационных данных. Это соответствует отраслевым инициативам, таким как открытые телекоммуникационные LLM-эталоны GSMA (Open-Telco LLM Benchmarks) и мультимодальный набор MM-Telco, направленным на создание специализированных стандартов оценки ИИ в телекоммуникациях. Нерешённые вопросы включают координацию этих параллельных усилий по оценке для формирования стандарта, на который могли бы ссылаться как операторы, так и регулирующие органы.
В более широком контексте TelcoAgent появляется на фоне активного определения 3GPP управления AI/ML в системах 5G и появления концепции «телекоммуникационных агентов телекоммуникационного уровня» от таких поставщиков, как Amdocs. Это направление ведёт к самовосстанавливающимся и самооптимизирующимся сетям, где AI-агенты станут проверяемыми, соответствующими стандартам компонентами. Однако в статье также чётко указаны ограничения текущего исследования: оценка охватывает только одного американского оператора, 200 сот и данные за три месяца, и не демонстрирует производительность в реальном замкнутом развёртывании или интеграции с системой управления сетью (NMS). Кроме того, строгое следование спецификациям 3GPP может ограничить гибкость структуры при столкновении с реальными практиками оптимизации операторов, а структуры управления и сертификации для автономных телекоммуникационных AI-агентов всё ещё отсутствуют.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
