Aprimorando o Gerenciamento de Redes Usando Código Gerado por Modelos de Linguagem de Grande Escala

Enhancing Network Management Using Code Generated by Large Language Models

August 11, 2023

Autores: Sathiya Kumaran Mani, Yajie Zhou, Kevin Hsieh, Santiago Segarra, Ranveer Chandra, Srikanth Kandula

cs.AI

Resumo

A análise de topologias de rede e grafos de comunicação desempenha um papel crucial na gestão de redes contemporânea. No entanto, a ausência de uma abordagem coesa resulta em uma curva de aprendizado desafiadora, aumento de erros e ineficiências. Neste artigo, introduzimos uma nova abordagem para facilitar uma experiência de gerenciamento de rede baseada em linguagem natural, utilizando modelos de linguagem de grande escala (LLMs) para gerar código específico para tarefas a partir de consultas em linguagem natural. Este método aborda os desafios de explicabilidade, escalabilidade e privacidade, permitindo que operadores de rede inspecionem o código gerado, eliminando a necessidade de compartilhar dados da rede com LLMs e concentrando-se em solicitações específicas de aplicações combinadas com técnicas gerais de síntese de programas. Projetamos e avaliamos um sistema protótipo utilizando aplicações de referência, demonstrando alta precisão, custo-efetividade e o potencial para aprimoramentos adicionais com o uso de técnicas complementares de síntese de programas.

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.