跨连续体的智能自适应计算：大语言模型在物联网—边缘—云资源管理中的应用

在物联网、边缘与云层之间管理资源，需要在不断变化的约束下持续进行情境感知决策。深度强化学习适合此类问题，大语言模型也日益用于增强深度强化学习流程，但两者之间的架构关系很少被明确。本文基于既有关于采用深度强化学习的连续体编排系统分类法，新增两个维度：人工智能增强范式衡量大语言模型如何被利用；反馈通道刻画执行反馈是否以及通过哪条系统路径返回大语言模型，以在语言模型编排层闭合监控—分析—规划—执行控制回路。文章将该分类法应用于六个近期系统架构，发现一个共同缺口：在云连续体场景中，尚无系统同时具备完整的大语言模型编排与完整的代理层反馈。文章将这一缺口与缺失的跨层反馈抽象联系起来，该抽象用于连接各层不可通约的信号与大语言模型编排器。