本文介紹了題為《Knowledge-Guided LLM for Intent-Driven Service Orchestration in Integrated Terrestrial and Non-Terrestrial 6G Networks》（面向天地一體化6G網絡中意圖驅動服務編排的知識引導型大語言模型）的一篇論文。該論文於2026年10月7日提交至arXiv，第一作者為Wajdi Hammami，另有兩名合著者，全文共17 KB。論文歸入計算與語言（cs.CL）分類，編號為arXiv:2610.33007v1，並已通過DataCite獲得arXiv簽發的DOI（https://doi.org/10.48550/arXiv.2610.33007）。
論文關注的核心問題是：在天地一體化（TN/NTN）6G網絡中，用户以自然語言表達的服務意圖往往不完整、含義模糊或前後矛盾。若直接讓大語言模型自由生成，產出的內容難以直接用於面向網絡的可靠編排。為解決這一問題，作者提出了一個知識引導型大語言模型框架。該框架包含兩個關鍵組件：一是語法約束的語義解析，用於把自然語言意圖轉換為結構化的中間表示；二是由知識圖譜（KG）驅動的澄清循環，在意圖存在缺口或衝突時向用户提出有針對性的問題。經過這兩步處理，系統輸出的服務配置文件已通過驗證，可直接供編排使用，並覆蓋四個具有代表性的服務類別。
在評估方面，作者構建了一個包含200條樣本的意圖數據集。在該數據集上，框架取得了89%的分類準確率和95%的策略有效性，每個請求平均只需0.66輪澄清交互。與純大語言模型基線相比，該框架在提升策略有效性和矛盾檢測能力的同時，所需的澄清輪次更少。作者據此論證：顯式引入知識引導推理，有助於在天地一體化6G編排場景中實現更加穩健的意圖處理。
從技術角度看，這項工作的價值在於把大語言模型從“開放式生成器”轉變為受約束的編排組件：語法約束降低了輸出空間的自由度，知識圖譜則提供了領域事實與一致性校驗的依據，使系統能夠識別意圖之間的矛盾，而非默默產出不合法或不可執行的策略。論文的侷限性在於實驗規模較小，數據集僅含200條樣本，且僅覆蓋四類服務；摘要中也未詳細説明知識圖譜的構建方式、基線模型的規格，以及在不同網絡條件下框架的表現。該論文目前僅發佈了預印本，並提供PDF、實驗性HTML和TeX源碼等訪問形式。