Evolving Inspectable O-RAN Slicing xApps with LLMs

📄 arXiv: 2609.27337v1 📥 PDF

作者: Faezeh Dehghan Tarzjani, Bhaskar Krishnamachari

分类: eess.SY, cs.AI, cs.LG

发布日期: 2026-09-23

💡 一句话要点

提出基于LLM的可检视O-RAN切片xApps以解决资源分配问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: O-RAN 切片技术 深度强化学习 大型语言模型 资源分配 可解释性 5G网络 自适应策略

📋 核心要点

  1. 现有的深度强化学习方法在资源分配中缺乏可解释性，难以满足操作员的需求。
  2. 本文提出使用大型语言模型（LLM）来生成可读的Python程序，使得切片控制器的决策逻辑可直接检查和编辑。
  3. 实验结果表明，演变后的控制器在吞吐量和SLA满足率上显著优于静态分配，提升效果明显。

📝 摘要（中文）

开放无线接入网络（O-RAN）切片xApps需要根据变化的信道条件和流量需求调整资源分配，同时满足服务水平协议（SLA）。深度强化学习能够生成自适应策略，但其分配规则仍然被编码在神经网络参数中。本文旨在保留这种自适应性，同时使控制器的决策逻辑可直接检查和编辑。我们使用大型语言模型（LLM）将切片控制器演变为紧凑的Python程序，使其决策逻辑在优化后仍然可读和可编辑。在NSF POWDER 5G测试平台上，演变后的控制器在持续信道衰落下释放了保证切片的资源，将最佳努力的吞吐量从158.2 Mbps提升至228.6 Mbps，提升幅度达到44.5%。

🔬 方法详解

问题定义：本文解决的问题是如何在O-RAN环境中实现可解释的资源分配策略。现有的深度强化学习方法虽然能够自适应调整资源，但其决策过程不透明，难以进行操作和调试。

核心思路：论文的核心思路是利用大型语言模型（LLM）生成可读的Python代码，使得切片控制器的决策逻辑在优化后仍然可被操作员理解和修改。这种方法不仅保留了自适应性，还提高了可操作性。

技术框架：整体架构包括三个主要模块：首先，LLM生成候选控制器代码；其次，使用校准的模拟器对候选进行评分；最后，选择最佳的决策模块并在O-RAN控制路径中运行。

关键创新：最重要的技术创新在于将LLM与切片控制器的演变结合，使得生成的控制器不仅具备自适应能力，还能被人类操作员直接理解和编辑。这与传统的黑箱模型形成鲜明对比。

关键设计：在设计中，LLM的训练和校准过程至关重要，确保生成的代码在性能和可读性之间取得平衡。此外，采用的损失函数和评估标准也经过精心设计，以确保优化过程的有效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，演变后的控制器在持续信道衰落情况下，最佳努力吞吐量从158.2 Mbps提升至228.6 Mbps，提升幅度达到44.5%。在SLA满足率方面，某一案例中从79.9%降至2.2%，显示出显著的性能改进。

🎯 应用场景

该研究具有广泛的应用潜力，特别是在5G及未来的无线网络中。通过提供可检视的资源分配策略，运营商能够更灵活地应对网络条件的变化，提高服务质量和用户体验。此外，该方法也可以推广到其他需要动态资源管理的领域，如云计算和边缘计算。

📄 摘要（原文）

Open RAN (O-RAN) slicing xApps must adapt resource allocations to changing channel conditions and traffic demands while meeting service-level agreements (SLAs). Deep reinforcement learning can produce adaptive policies, but their allocation rules remain encoded in neural-network parameters. Our goal is to retain this adaptability while making the controller's decision logic directly inspectable and editable by operators. We use a large language model (LLM) to evolve slicing controllers as compact Python programs whose decision logic remains readable and editable after optimization. The LLM proposes and revises candidates offline, while a calibrated simulator scores them, and the selected decision module runs unchanged in the O-RAN control path. On the NSF POWDER 5G testbed, the evolved controller releases resources from a guaranteed slice whose throughput target becomes unattainable under a sustained channel fade, improving best-effort throughput from 158.2 to 228.6 Mbps, a 44.5% gain over the best static allocation. Since the controllers are readable source code, their behavior can be predicted from their equations, defects can be diagnosed by reading the code, and calibration errors can be corrected with one-line edits, reducing SLA misses from 79.9% to 2.2% in one case and more than doubling fitness in another. In a four-slice trace-driven simulation calibrated to the same testbed, evolutionary search achieves higher average evaluation scores than independent prompting at a matched proposal budget, with mean normalized gains on held-out traces of 16.3% for prompting alone, 32.1% for evolution from scratch, and 51.0% for evolution from a starting program.