Bỏ qua đến nội dung chính
Về trang chủ
AI Tech 2 phút đọc

Tối ưu điều phối mạng biên bằng giao thức MAS-DecStream

Nghiên cứu MAS-DecStream kết hợp LLM với đàm phán đa tác tử, giúp hạ tỷ lệ vi phạm độ trễ xuống 3% trên vết dữ liệu Alibaba ASI Trace.

Tier 2 · nguồn 45% độ tin cậy Đã được duyệt
Nguồn gốc arxiv.org

Ngày 14/8/2026, một nhóm nghiên cứu đã công bố tiền bản thảo arXiv:2608.12371 giới thiệu framework MAS-DecStream, ứng dụng mô hình ngôn ngữ lớn (LLM) để nâng cấp giao thức đàm phán mạng lưới hợp đồng (Contract Net Protocol - CNP) phục vụ điều phối luồng xử lý dữ liệu trên hạ tầng mạng biên di động. Hệ thống này giải quyết bài toán phân bổ tài nguyên phân tán khi khối lượng công việc liên tục biến động và các ràng buộc chất lượng dịch vụ (QoS) được đặt ra ngặt nghèo.

Theo bài báo, đóng góp cốt lõi của MAS-DecStream là giao thức LLM-MR-CNP. Đây là bản mở rộng của CNP truyền thống, tích hợp cơ chế thiết lập yêu cầu chào thầu ngữ nghĩa (semantic CFP), công bố ngữ cảnh từng bước, tinh chỉnh đề xuất qua nhiều vòng, lưu trữ bộ nhớ đàm phán và kiểm tra ràng buộc tất định. Các tác tử tại cụm biên tận dụng LLM để tinh chỉnh đề xuất chuyển giao tác vụ (offloading) bằng ngôn ngữ tự nhiên dựa trên quan sát cục bộ, dự báo tài nguyên và ngữ cảnh vận hành định tính, trong khi các giới hạn cứng về tài nguyên và QoS vẫn do thuật toán tất định đảm nhận.

Nhóm tác giả đã tiến hành thử nghiệm dựa trên tập dữ liệu vết Alibaba ASI Trace qua ba trục so sánh: CNP đơn vòng đối đầu đa vòng, tinh chỉnh theo luật đối đầu tinh chỉnh có LLM, và đàm phán mô hình cố định đơn vòng đối đầu đa vòng. Kết quả cho thấy MAS-DecStream giúp giảm tỷ lệ vi phạm độ trễ xuống mức 3%, triệt tiêu hoàn toàn hiện tượng cam kết vượt mức tài nguyên và đạt tỷ lệ giải quyết xung đột 0,91 trên quy mô 20 tác tử. So với phương pháp đa vòng thuần túy dựa trên luật, mô hình mới nâng mức hữu dụng tổng thể lên tới 22%.

Đánh giá bổ sung trên 25 ca thử nghiệm cho thấy việc đưa LLM vào vận hành đòi hỏi sự đánh đổi rõ rệt giữa chi phí suy luận và độ chính xác, biến thiên theo mô hình cũng như cấu trúc prompt. Các tác giả lưu ý rằng việc tinh chỉnh đa vòng của giao thức CNP đóng vai trò là động lực cải thiện hiệu năng chính, trong khi LLM phát huy giá trị bổ trợ then chốt ở những tình huống ngữ cảnh vận hành mờ nhạt và có tính bất định cao.