К периферийному общему интеллекту с использованием нескольких больших языковых моделей (Multi-LLM): архитектура, доверие и оркестрация

Toward Edge General Intelligence With Multiple-Large Language Model (Multi-LLM): Architecture, Trust, and Orchestration
Xianbin Wang, Dusit Tao Niyato, Hongfang Yu, Xuemin Shen, Zehui Xiong, Jiacheng Wang, Ruichen Zhang, Yinqiu Liu, Gang Sun, Haoxiang Luo
2025-09-22

динамическая оркестрацияпериферийные вычислениясистемы с несколькими большими языковыми моделямимультимодальные архитектурыдоверенный искусственный интеллект
Периферийные вычисления обеспечивают обработку данных в реальном времени вблизи источника их поступления, тем самым повышая быстродействие и производительность приложений искусственного интеллекта, функционирующих на периферии сети. Однако прогностические модели искусственного интеллекта часто оказываются недостаточно эффективными при решении сложных динамических задач, требующих углублённого рассуждения и обработки мультимодальных данных. В этом обзорном исследовании рассматривается интеграция нескольких больших языковых моделей (Multi-LLM) для решения указанных задач в периферийных вычислениях, где несколько специализированных больших языковых моделей взаимодействуют, повышая эффективность выполнения задач и адаптивность в условиях ограниченных ресурсов. Рассматривается переход от традиционных моделей периферийного искусственного интеллекта к развертыванию одной большой языковой модели и далее к системам Multi-LLM. Обсуждаются такие обеспечивающие технологии, как динамическая оркестрация, планирование ресурсов и перенос знаний между предметными областями, имеющие ключевое значение для реализации Multi-LLM. Особое внимание уделяется доверенным системам Multi-LLM, обеспечивающим принятие устойчивых решений в средах, где критически важны надежность и конфиденциальность. Также представлены мультимодальные архитектуры Multi-LLM, в которых различные большие языковые модели специализируются на обработке разных типов данных, таких как текст, изображения и аудио, а их результаты интегрируются для проведения комплексного анализа. Наконец, обозначены перспективные направления, включая повышение эффективности использования ресурсов и создание надежного управления системами Multi-LLM с одновременным решением проблем конфиденциальности, доверия и устойчивости. Этот обзор представляет собой ценный источник для исследователей и практиков, стремящихся применять системы Multi-LLM в приложениях периферийных вычислений.
1
Взаимодействие специализированных LLM может повысить качество выполнения задач и адаптивность в условиях ограниченных ресурсов периферийных вычислений.
2
Динамическая оркестрация, планирование ресурсов и перенос знаний между доменами выделяются как ключевые технологии для развертывания систем Multi-LLM на периферии.
3
Системы Multi-LLM рассматриваются как способ преодолеть ограничения традиционных моделей периферийного ИИ при решении сложных динамических задач, требующих продвинутого рассуждения и мультимодальной обработки.
4
Мультимодальные системы Multi-LLM распределяют различные модальности, включая текст, изображения и аудио, между специализированными моделями и объединяют их результаты для комплексного анализа.
5
Надежные архитектуры Multi-LLM необходимы для принятия достоверных решений в условиях критической важности конфиденциальности и устойчивости.

системы с несколькими большими языковыми моделями (multi-LLM), интегрированные в среду периферийных вычислений

их архитектура, надежность, оркестрация, эффективность использования ресурсов, мультимодальное взаимодействие и адаптивность в условиях ограничений по ресурсам, конфиденциальности и устойчивости

Publication Details
Publication Date
2025-09-22
Journal
Publisher
ISSN
Cited by
94
Access Type
Author Information
Authors
Xianbin Wang
Dusit Tao Niyato
Hongfang Yu
Xuemin Shen
Zehui Xiong
Jiacheng Wang
Ruichen Zhang
Yinqiu Liu
Gang Sun
Haoxiang Luo
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%