본 논문은 통신 및 네트워킹 분야에서 점점 복잡해지는 계층적이고 다중 관리 도메인과 다국어 시스템 관리의 필요성에 주목합니다. 대규모 언어 모델(LLM)이 특정 통신 문제(예: 애플리케이션 요구사항 충족을 위한 데이터 플랜 자동 구성)에 효과적으로 적용될 수 있음을 보여주는 연구가 있지만, 토큰 단위 처리 및 제한된 컨텍스트 유지 능력으로 인해 계층 간 의존성 캐스케이드, 시간-공간적 오류 상관관계, 실시간 분산 조정과 같은 통신 특유의 요구사항을 충족하는 데 어려움을 겪습니다. 반면, 개별 어휘 토큰이 아닌 의미 개념의 추상화 수준에서 추론하는 대규모 개념 모델(LCM)은 이러한 통신 과제를 해결하는 데 근본적으로 우수한 접근 방식을 제공합니다. 계층적 표현을 위한 쌍곡선 잠재 공간을 사용하고 복잡한 다계층 네트워크 상호 작용을 간결한 개념 임베딩으로 캡슐화함으로써 LCM은 메모리 효율성, 계층 간 상관관계 및 기본 다중 모드 통합 측면에서 LLM의 중요한 단점을 극복합니다. 본 논문은 LCM 채택이 단순한 증분 단계가 아니라 강력하고 효과적인 AI 기반 통신 관리를 달성하기 위한 필수적인 진화적 도약이라고 주장합니다.
