PACE: A Pragmatic Agent for Enhancing Communication Efficiency Using Large Language Models

本文是LLM系列文章，针对《PACE: A Pragmatic Agent for Enhancing Communication Efficiency Using Large Language Models》的翻译。

摘要

当前的通信技术在理论容量、频谱可用性和功率资源方面面临限制。务实的沟通，利用终端智能进行选择性数据传输，提供资源节约。现有研究缺乏通用的意图解决工具，限制了对特定任务的适用性。本文利用大型语言模型（LLM），提出了一种基于语用代理的图像语用交际框架。在这个框架中，PACE依次执行语义感知、意图解析和面向意图的编码。为了确保LLM在通信中的有效利用，设计了一个知识库来补充必要的知识，引入了专门的提示来促进对实用通信场景和任务要求的理解，并设计了一条思想链来帮助在传输效率和成本之间进行合理的权衡。为了进行实验验证，本文构建了一个图像语用交际数据集以及相应的评价标准。仿真结果表明，该方法在传输效率方面优于传统的和非LLM的语用通信。

1 引言

2 相关工作

3 提出的方法

4 实验

5 结论

在这项研究中，我们介绍了PACE，这是一种未经训练的利用LLM Agent进行IPC的体系结构。PACE无缝集成了用于语义感知、意图解析和面向意图编码的LLM功能。提示、知识库和CoT旨在促进LLM在IPC中利用其理解和推理能力。为了对PACE进行实验，提出了IPC数据集和面向意图的