信頼性の高いLLM対応の意図駆動型管理：ネットワーク自動化のための検証パイプライン

ゼロタッチネットワーク自動化を民主化するためには、自然言語のユーザーの意図を正式かつ標準に準拠した仕様に結びつける必要があります。大規模言語モデル（LLM）は有望ですが、信頼性には欠けます。私たちは、LLMを翻訳に使用しつつ、決定論的な「ガードレール」で正確性を保証するハイブリッドAIシンボリックフレームワークを提案します。私たちの情報取得拡張生成（RAG）パイプラインは、TMフォーラムに準拠した意図を生成し、それを検証することで構文的、意味的およびポリシーの準拠を確保します。これを3つのオープンソースLLMを用いてベンチマークしており、フレームワークの高い信頼性を示しています。Mistral-7Bで93.8%のパイプライン成功率を達成し、意図が正しく処理され明確な結論に至りました。結果は、シンボリックガードレールを持つハイブリッドアーキテクチャが、ネットワークオーケストレーションにおける生成AIの展開に必要な安全性と信頼性を提供し、分離されたLLMを使用する際の制限を克服することを示唆しています。