Enhancing Network Management Using Code Generated by Large Language Models

要約

ネットワーク トポロジと通信グラフの分析は、現代のネットワーク管理において重要な役割を果たします。
ただし、一貫したアプローチがないと、学習曲線が困難になり、エラーが増加し、非効率が生じます。
このペーパーでは、大規模言語モデル (LLM) を利用して自然言語クエリからタスク固有のコードを生成する、自然言語ベースのネットワーク管理エクスペリエンスを促進する新しいアプローチを紹介します。
この方法は、ネットワーク オペレータが生成されたコードを検査できるようにし、LLM とネットワーク データを共有する必要性を排除し、一般的なプログラム合成技術と組み合わせてアプリケーション固有のリクエストに集中することにより、説明可能性、スケーラビリティ、およびプライバシーの課題に取り組みます。
ベンチマーク アプリケーションを使用してプロトタイプ システムを設計および評価し、高精度、コスト効率、および相補的なプログラム合成技術を使用したさらなる機能強化の可能性を示します。

要約(オリジナル)

Analyzing network topologies and communication graphs plays a crucial role in contemporary network management. However, the absence of a cohesive approach leads to a challenging learning curve, heightened errors, and inefficiencies. In this paper, we introduce a novel approach to facilitate a natural-language-based network management experience, utilizing large language models (LLMs) to generate task-specific code from natural language queries. This method tackles the challenges of explainability, scalability, and privacy by allowing network operators to inspect the generated code, eliminating the need to share network data with LLMs, and concentrating on application-specific requests combined with general program synthesis techniques. We design and evaluate a prototype system using benchmark applications, showcasing high accuracy, cost-effectiveness, and the potential for further enhancements using complementary program synthesis techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google