Intent-LLM：一种通过代码生成实现自动化网络配置的框架

《IEEE Transactions on Cloud Computing》：Intent-LLM: A Framework for Automated Network Configuration through Code Generation

　　

摘要：

基于意图的网络（IBN）旨在简化网络配置和管理的复杂性。IBN 不关注细节性的实现方式，而是定义高层次的目标，这些目标描述了网络的目标状态和行为。本文提出了一种基于大型语言模型（LLM）的方法，将用户的声明性意图转换为 Python 代码。所设计和实现的方法是一个新颖的框架，其目标是优化网络性能，生成用于解决路由和资源分配问题的可执行 Python 代码，并且能够修改网络拓扑结构，同时考虑能源效率。该框架的灵感来源于 ViperGPT，这是一个将视觉和语言模型拆分为子程序以生成计算机视觉查询结果的软件工具。更具体地说，ViperGPT 展示了 LLM 如何生成和编排 Python 代码，通过 API 调用一组预定义的领域模块，动态地将它们组合成可执行程序。我们借鉴了这一范式，为意图转换定义了一个类似的 API。本文提供了所提出方法的验证，考虑了生成代码的语法正确性和网络效果。最后，还提供了人类反馈来测试生成的策略。