Resumen: En este artículo, presentamos una red de inteligencia artificial inalámbrica segura que comprende un agente de inteligencia artificial supervisor y muchos otros agentes de inteligencia artificial para brindar calidad de servicio (QoS) para las tareas de razonamiento de los usuarios y al mismo tiempo garantizar la confidencialidad del conocimiento privado y los resultados del razonamiento. Específicamente, el agente supervisor de IA puede asignar dinámicamente a otros agentes de IA para que participen en el razonamiento cooperativo, mientras que los agentes de IA no seleccionados actúan como bloqueadores amigables para degradar el rendimiento de interceptación del espía. Para extender la duración del servicio de los agentes de IA, se formula un problema de minimización de energía que optimiza conjuntamente la selección del agente de IA, la formación de haces de la estación base (BS) y la potencia de transmisión del agente de IA, sujeto a restricciones de latencia y precisión del razonamiento. Para abordar el problema formulado, proponemos dos esquemas de asignación de recursos, ASC y LAW, que primero lo descomponen en tres subproblemas. Específicamente, ASC optimiza cada subproblema de forma iterativa utilizando el algoritmo basado en el método de dirección alterna de multiplicadores (ADMM), relajación semidefinida (SDR) y aproximación convexa sucesiva (SCA), mientras que LAW aborda cada subproblema utilizando el optimizador de modelo de lenguaje grande (LLM) propuesto dentro de un flujo de trabajo agente. Los resultados experimentales muestran que las soluciones propuestas pueden reducir el consumo de energía de la red hasta en un 59,1% en comparación con otros esquemas de referencia. Además, los esquemas propuestos se validan utilizando un sistema práctico de IA agente basado en Qwen, lo que demuestra una precisión de razonamiento satisfactoria en varios puntos de referencia públicos.
Publicado originalmente en export.arxiv.org el 17 de febrero de 2026.
Ver fuente original
