6G切片跨域部署不再靠固定策略：ORION把验证过的可行方案写进记忆，回灌给LLM规划器
核心概要
多域6G网络切片的放置、跨域路由与接纳决策是NP-hard的在线问题，固定规划策略在不同拓扑上排名会反转，被拒请求中多数其实存在可行放置。ORION在分层编排器中让两个LLM智能体分别翻译业务意图、生成抽象放置计划，并把每次尝试的网络条件、计划形状与验证器给出的可行性结果写入情节记忆，再作为带标签示例回灌规划器。在未见过的拓扑族上固定选择与执行层后，带该记忆的规划器在两个随机种子上接纳率都高于无记忆版本和先进先出存储版本，但提升幅度尚未确立。
深度剖析
跨域切片编排的瓶颈被定位在计划层：决定每个虚拟网络功能落在哪个域、切分点选在何处，比改进下游的分区选择器更能影响接纳率。 此前多域切片放置多被当作优化问题处理，精确模型在线不可解，启发式虽快却把策略固定下来，底物、负载组合或负载区间一变就不再适应。 在五域、层级资源稀缺的底物上，按首次适应递减规则拒绝的请求经穷举可行性验证器检查后全部存在可行放置，其中84.7%属于搜索失败，即启发式漏掉了已有放置。
ORION把LLM规划器放进一个三层结构中，让它只在域级聚合信息上做计划，具体落点交给学习到的选择层和域内执行层。 LLM此前多作为意图翻译器或部署后固定的顾问，少数允许在线适应的方案只用自身提案上的标量奖励反馈。 规划器看不到逐节点状态，域内残量按节点求和，单节点适配性对其隐藏；选择层额外获得每域最大单节点余量，并在提交时于完整逐节点图上路由跨域流。
情节记忆按拓扑签名检索，把验证通过的正面样例和带违规标签的反例注入规划器提示，使规划依据从模型自己的猜测转为在相似底物上确实可行的计划形状。 先进先出存储与完整记忆共用检索键、标签模式和提示格式，两者的差别只在写入规则、淘汰规则与近因加权。 在四个训练中未见过的拓扑族上固定选择与执行层，完整记忆版本在种子0和种子1上分别比无记忆版本高4.6和11.5个百分点，比先进先出版本高11.1和12.3个百分点。
启示与展望
已展示的范围是参数化生成的多域拓扑族上的计划层隔离实验：选择与执行层固定为确定性的跟随先验路径，每个实验臂原样提交计划建议的分区，评估使用四个训练中未见的拓扑族和两个随机种子。全栈评估、奖励标注记忆对照与路由关键族的边界探测按预先设定的协议留待扩展版本。
接纳率提升的方向在两个种子上一致，但幅度未被确立；全栈评估、以标量接纳奖励标注记忆的对照，以及路由关键拓扑族上记忆优势可能反转的边界探测，均按预先设定的协议留待后续工作。