AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-23
大型語言模型遇上貝氏最佳化：邁向自我演化的無線數位孿生
原標題: Large Language Models Meet Bayesian Optimization: Towards Self-evolving Wireless Digital Twins
無線數位孿生仰賴預先定義的學習或最佳化結構，而這些結構可能隨任務與運作條件改變而變得不適用。作者將大型語言模型與貝氏最佳化結合，以 BO 作為穩定的骨幹，由 LLM 根據當前任務與累積經驗決定保留或調整其組件。在針對多用戶波束選擇問題的高斯過程核函數探索模擬中，LLM 發現的核函數使訓練任務上的最終 BO 表現較最強的標準核函數基準提升了 19.7%。