本文是LLM系列文章,针对《PACE: A Pragmatic Agent for Enhancing Communication Efficiency Using Large Language Models》的翻译。
摘要
当前的通信技术在理论容量、频谱可用性和功率资源方面面临限制。务实的沟通,利用终端智能进行选择性数据传输,提供资源节约。现有研究缺乏通用的意图解决工具,限制了对特定任务的适用性。本文利用大型语言模型(LLM),提出了一种基于语用代理的图像语用交际框架。在这个框架中,PACE依次执行语义感知、意图解析和面向意图的编码。为了确保LLM在通信中的有效利用,设计了一个知识库来补充必要的知识,引入了专门的提示来促进对实用通信场景和任务要求的理解,并设计了一条思想链来帮助在传输效率和成本之间进行合理的权衡。为了进行实验验证,本文构建了一个图像语用交际数据集以及相应的评价标准。仿真结果表明,该方法在传输效率方面优于传统的和非LLM的语用通信。
1 引言
2 相关工作
3 提出的方法
4 实验
5 结论
在这项研究中,我们介绍了PACE,这是一种未经训练的利用LLM Age