Содержание
Коротко
GENESIS — это инновационный агентный фреймворк, специально разработанный для исследований и разработки в области сотовых сетей RAN. Он позволяет преобразовывать намерения, такие как пункты стандартов или аномалии телеметрии, в решения, которые проходят проверку не только в симуляторах, но и в реальных OTA-экспериментах.
Что произошло
В статье описываются шесть ключевых циклов развития сетей, каждый из которых может занимать до месяца. Это внедрение новых функций из стандартов, соответствие требованиям (conformance), повышение надежности (hardening), оптимизация на основе данных, разработка прототипов для новых waveform и обеспечение безопасности. LLM ускоряют разработку программного обеспечения, но в контексте RAN они часто неправильно работают с API и нарушают совместимость. Симуляции нередко оказываются неэффективными при переходе на реальное оборудование.
Фреймворк GENESIS базируется на концепциях agents / skills / hooks и включает слой SYNAPSE, который служит единой точкой истины и позволяет накапливать артефакты между запусками.
Почему это важно
- Главная задача — не просто написать код, а замкнуть цикл от спецификации до имплементации и последующей проверки «по воздуху» и обновления базы знаний.
- Без постоянной базы знаний каждый запуск агента начинается с нуля, тогда как SYNAPSE делает навыки накопительными.
- Для телекоммуникационного стека особенно важно проводить проверки на реальном оборудовании, а не только в симуляторе.
На практике
- В областях с жёсткими API, таких как телекоммуникации, финансы и медицина, необходимо предусмотреть machine-readable спецификации и контрактные тесты до генерации кода с помощью LLM.
- Храните артефакты агента в версионируемой базе данных, иначе не удастся создать «compound capabilities».
- Планируйте использование hardware-in-the-loop или staging-среды, если симуляция является единственным этапом проверки.
Итог
Фреймворк GENESIS предлагает новый подход к разработке и проверке решений для сетей 6G/RAN, фокусируясь на использовании реальных экспериментов и накоплении знаний для повышения эффективности и надежности систем. Это может служить моделью для других областей, где важна интеграция с физическим оборудованием.