paper radar

Introducing Large Language Models into the Design Flow of Time Sensitive Networking

将大语言模型引入 TSN 设计流程

Rubi Debnath, Luxi Zhao, Mohammadreza Barzegaran, Sebastian Steinhorst · 2025-09-30

仿真与测试调度算法

中文摘要

这篇是 AI+TSN 方向的路线图，适合理解大模型能参与 TSN 配置流程的哪些环节，以及哪里必须接外部验证工具。

摘要翻译

这篇论文讨论如何把大语言模型引入 TSN 设计流程。作者梳理 TSN orchestration 的步骤，包括规划、设计、验证、部署和配置，并用一个初步案例评估多种模型在 TSN 配置任务上的表现。论文提出 LLM-assisted orchestration 框架，同时强调真实部署仍需要 TSN 数据集、基准测试、Network Calculus 引擎、仿真器和外部工具共同约束。

它解决什么问题

TSN 配置流程复杂，大模型可能降低门槛，但安全关键网络不能只依赖自然语言输出。

中文解读

论文把 LLM 放在 orchestration pipeline 中，而不是把它当作万能配置器。核心是让模型和验证工具协作。

我的看法

这篇和 TSNBench 可以连读：前者讲设计流程，后者讲评测能力。两者都说明 TSN 里的 AI 必须被工具链约束。