数字孪生辅助的多智能体 LLM 能否自主管理光网络？

系统无需人工操作即可闭环处理软故障

论文要回答的问题是：带 SDN 控制的多智能体 LLM 框架能否自主优化光网络中的服务。作者在物理层测试床上进行了演示：系统在软故障升级前将其检测出来，并利用数字孪生辅助的 BER 预测，在模拟放大器与光纤老化的条件下，让无余量连接在 630 km 路径上自动持续运行。

这一能力范围狭窄而具体。它不是通用的网络自主性，而是自主的软故障检测与纠正；作者将其视为无余量运行的关键能力——网络被不断推向极限，需要适当的性能观测，并在出现问题时作出反应。

三个智能体分担规划、验证与执行

该架构实现了“规划—验证—执行”范式。Supervisor Agent 是经过微调的 LLaMA3.1-8B，负责解析自然语言意图并分派任务。Toolbox 作为集中式编排总线，从 NETCONF/YANG 轮询的遥测数据库中摄取实时遥测数据，使下游动作都基于当前网络状态。

随后两个专用智能体开始工作。Config Agent 将高层意图转换为厂商中立的 NETCONF 远程过程调用，用于设置放大器增益、可变光衰减器和波长选择开关。QoT Agent 根据检测到的损伤进行传输质量估计与参数优化。两者都是经过微调的 LLaMA3.1-8B 模型，通过检索增强生成查询共享知识库，其中包含标准、厂商规范和物理层约束。

微调后的 LLaMA3.1-8B 在两个评估维度上均胜出

三个模型——LLaMA2-7B、LLaMA3.1-8B 和 Mistral-7B——通过 QLoRA 在测试床遥测数据和 ITU-T 标准文档上微调，随后在标准 LLM 基准（MMLU、ARC 和困惑度）以及本工作开发的 OpED（光网络评估数据集）上评估。OpED 覆盖光硬件、DSP 和 SDN/NFV 自动化，并对幻觉回答施加诚实性惩罚。

微调后的 LLaMA3.1-8B 在两个维度上都取得最佳结果：在标准基准上困惑度降幅最大，为 36.70%；在 OpED 上准确率最高，为 96.1%。其 13.5% 的低诚实率反映的是少量弃答问题，其中多数被正确回答——这与基础模型不同，后者无论置信度如何都尝试所有问题，因而没有诚实性信号。鉴于这一整体优势，微调后的 LLaMA3.1-8B 被选为所有智能体角色的部署模型。

软故障阈值是统计量而非固定 BER

QoT Agent 监测 pre-FEC BER，并与软故障阈值比较，该阈值定义为平均 BER 加四个标准差，由 9 个样本的窗口计算，标准差取自实时测量。当 BER 达到 FEC 余量的约 20% 时触发自适应。

随后故障检测算法选择一个更低速率的候选模式，并用三个输入评估可行性：FEC 余量，表示为 FEC 限值除以 BER 的 log10；BER 趋势；以及使用校准光纤衰减系数进行的 BER 预测。该评估加上跨信道上下文被传给 LLM，由其作出 APPROVE、DEFER 或 REJECT 决策。若获批准，Config Agent 通过 ONOS SDN 控制器应用新模式。

金牌与铜牌服务等级以不同方式交换频谱

测试床在网状拓扑中部署了 8 个商用级可重构光分插复用器节点，承载来自两代商用相干收发机的两个信道，分别遵循两种服务等级协议。金牌等级为高优先级，必须以高余量维持恒定净速率。铜牌等级为低优先级，允许在零余量下运行，但代价是在严苛条件下净速率可被牺牲。

为模拟光纤老化，作者将 ROADM-3 处的 VOA 衰减从 0 dB 逐步增加到 12 dB，步长 0.2 dB，每个电平保持 5–10 分钟以确保稳态。衰减从 0 dB 开始，使智能体捕获基线 BER 分布并计算阈值。随着损耗增加，由 pre-FEC BER 推导的 Q 因子下降，可用 FEC 余量（定义为 Qmeasured² 减 QFEC²，单位 dB）对两种服务都收窄。

模式切换遵循经验证的序列而非单次切换

记录的切换显示出一个分阶段响应。随着衰减增加，金牌服务最初从 G1 步进到 G2，同时迫使铜牌服务从 B1 降级到 B2。衰减进一步增加时，数字孪生计算出金牌服务的故障概率达到 85%，这迫使另一次从 G2 到 G3 的切换，而 B2 保持不变。

通过降低铜牌服务的符号速率，频谱被释放给金牌服务以维持相同净速率，前提是假设两个信道在接收前共同传播经过相同节点。Configuration Agent 在数字孪生上验证所提议的配置，数字孪生模拟所提议趋势故障下的统计网络性能，并在 Q² 高于 FEC 余量时返回带故障概率的预期 Q²，该结果基于过往测量构建。

数字孪生是抵御幻觉的验证层

论文将数字孪生定位为缓解 LLM 幻觉的验证层。所提议的输出在到达实际硬件前被拦截，Configuration Agent 在部署前于数字孪生上检查所提议的配置。这一点很重要，因为 LLM 决策层并不被信任可直接作用于物理网络。

ONOS 日志记录了测试床配置期间的事件序列——SOFT_FAILURE、CONFIG_INTENT 和 CONFIG_APPLIED——LLM 评估包含决策理由、置信水平和操作员告警。作者总结称，他们通过实验证明了持续的服务优化：在渐进劣化下，及时的模式自适应能自主维持服务等级要求，无需人工操作。

演示的适用范围止于何处

证据是测试床演示，而非已部署网络的现场试验。装置使用 8 个 ROADM 节点、两个信道、两个服务等级，以及来自同一厂商的两代收发机，老化由 VOA 衰减模拟而非在役观测。630 km 路径和 0 dB 到 12 dB 的衰减扫描界定了结果覆盖的运行范围。

最具决策相关性的结果是服务等级拆分：系统通过牺牲铜牌净速率来保持金牌服务的恒定净速率，而且只有在数字孪生返回可接受的故障概率后才这样做。读者应将 85% 的故障概率和 G1→G2→G3 序列视为论文在模拟老化下的特定阈值行为，而不是适用于其他拓扑、厂商组合或流量模式的通用规则。

本文引用的文献