2024-12-22-6GANA-6G网络面向大模型的分布式学习白皮书_24页_965kb

6G网络面向大模型的分布式学习白皮书总结

引言

本白皮书阐述了6G网络的愿景，即实现智能普惠，支持AGI服务在6G时代的普及。大模型技术快速演进，成本接近于零，将无处不在地部署在端边云节点。网络传输内容将从数据转向模型，以降低通信开销和隐私风险。

MFD分布式学习模式

MFD（Model Follow Data）是一种面向大模型的去中心化分布式学习模式，旨在让模型在数据附近进行训练和推理。针对联邦学习的局限性，MFD将模型建模为通信数据包，支持原生无线网络边缘环境。关键特征包括：

• 模型像IP包一样传输：模型作为知识载体在网络中高效传递，而非原始数据。
• 模型自由缩放：通过压缩和扩展适应不同算力和数据需求。
• 支持异构模型知识分享：利用知识蒸馏和生成模型实现跨设备协作。
• 轻量化自组织学习流程：基于兴趣值路由和本地更新，降低网络管控复杂度。

应用示例

MFD模式应用于智能协作机器人和基站间协同。机器人通过分布式学习优化本地知识分享，基地共享模型提升网络性能。

总结与前景

MFD有望成为6G网络的核心分布式学习模式，支撑AGI服务普及。文档呼吁产业界共同研究，完善标准化和算法设计。