大規模言語モデルによるコード生成を用いたネットワーク管理の強化

要旨

ネットワークトポロジーと通信グラフの分析は、現代のネットワーク管理において重要な役割を果たしています。しかし、一貫したアプローチの欠如は、学習曲線の急峻化、エラーの増加、そして非効率性を引き起こしています。本論文では、大規模言語モデル（LLM）を活用して自然言語クエリからタスク固有のコードを生成する、自然言語ベースのネットワーク管理体験を促進する新たなアプローチを提案します。この手法は、ネットワークオペレータが生成されたコードを検査できるようにすることで説明可能性を確保し、LLMとネットワークデータを共有する必要をなくすことでプライバシーを保護し、アプリケーション固有のリクエストと一般的なプログラム合成技術を組み合わせることでスケーラビリティに対応します。ベンチマークアプリケーションを用いてプロトタイプシステムを設計・評価し、高い精度、コスト効率、そして補完的なプログラム合成技術を用いたさらなる改善の可能性を示しました。

English

Analyzing network topologies and communication graphs plays a crucial role in contemporary network management. However, the absence of a cohesive approach leads to a challenging learning curve, heightened errors, and inefficiencies. In this paper, we introduce a novel approach to facilitate a natural-language-based network management experience, utilizing large language models (LLMs) to generate task-specific code from natural language queries. This method tackles the challenges of explainability, scalability, and privacy by allowing network operators to inspect the generated code, eliminating the need to share network data with LLMs, and concentrating on application-specific requests combined with general program synthesis techniques. We design and evaluate a prototype system using benchmark applications, showcasing high accuracy, cost-effectiveness, and the potential for further enhancements using complementary program synthesis techniques.

大規模言語モデルによるコード生成を用いたネットワーク管理の強化

Enhancing Network Management Using Code Generated by Large Language Models

要旨

Support