Mitigating Anchoring Bias in LLM-Based Agents for Energy-Efficient 6G Autonomous Networks

Resumen Técnico: Mitigación del Sesgo de Anclaje en Agentes Basados en LLM para Redes Autónomas 6G Eficientes Energéticamente

Planteamiento del Problema
La transición hacia las redes 6G exige la necesidad de autonomía de Nivel 4 y Nivel 5, lo que requiere el despliegue de agentes de Modelos de Lenguaje Extensos (LLM) para gestionar el complejo y dinámico particionamiento de red (network slicing) y la orquestación de recursos. Sin embargo, este artículo identifica una vulnerabilidad crítica en tales sistemas agénticos: el sesgo de anclaje. De manera similar a las distorsiones cognitivas humanas descritas por Tversky y Kahneman, los agentes LLM tienden a adherirse rígidamente a las propuestas heurísticas iniciales. En el contexto de la negociación de recursos 6G, este sesgo provoca que los agentes sobre-provisionen recursos (ancho de banda y CPU) para garantizar la seguridad, lo que deriva en severas ineficiencias energéticas. Además, en las interacciones multi-agente, estos sesgos pueden crear "cámaras de eco conversacionales", causando una convergencia prematura en equilibrios sesgados y subóptimos que no logran explotar todo el potencial de las capacidades de 6G.

Metodología
Los autores proponen un marco novedoso que integra la mitigación del sesgo cognitivo con un modelado matemático riguroso y simulación de Gemelo Digital (DT). Los componentes principales de la metodología incluyen:

1. Modelado del Sistema e Integración de CVaR:
   La red se modela como un sistema de dominio cruzado que comprende computación de borde (Edge computing) y colas de la Red de Acceso de Radio (RAN). Los agentes negocian particiones de recursos ($b_i, f_i$) para minimizar el consumo de energía mientras satisfacen los Acuerdos de Nivel de Servicio (SLA). Para garantizar la robustez frente a ráfagas de tráfico, los agentes utilizan un Gemelo Digital fundamentado en la teoría de colas. Crucialmente, los agentes optimizan basándose en el Valor en Riesgo Condicional (CVaR) de las distribuciones de latencia (específicamente el percentil 99.999 para URLLC) en lugar de la latencia media, asegurando garantías estrictas de latencia de cola (tail-latency).

2. Marco Teórico: Teorema de Utilidad de Evitación de Restricciones Bimodal:
   El artículo introduce y demuestra un teorema que describe el comportamiento de la degradación de la utilidad en relación con la distancia del ancla inicial respecto a la solución óptima. El teorema identifica una transición de fase en la dinámica de negociación:

   • Fase 1 (Convergencia Factible): Cuando las propuestas iniciales están dentro de los límites de capacidad física, la pérdida de utilidad sigue un límite lineal clásico proporcional a la distancia del ancla.
   • Fase 2 (Recuperación de Penalización): Cuando las propuestas iniciales exceden la capacidad, activando concesiones obligatorias y posibles violaciones de SLA, el sistema entra en un régimen donde la pérdida de utilidad decae mediante una envolvente racional inversa. El teorema postula que comenzar estratégicamente con un "déficit" (un ancla inicial más baja) crea un margen de seguridad que reduce la probabilidad de violaciones catastróficas de restricciones, reduciendo así la pérdida de utilidad esperada.

3. Estrategia de Mitigación: Distribución de Weibull de 3 Parámetros Truncada:
   Para desmantelar los patrones de negociación rígidos, los autores proponen reemplazar las heurísticas deterministas con una estrategia de anclaje aleatorizada. Las propuestas iniciales de recursos se extraen de una distribución de Weibull de 3 parámetros truncada ($W_{trunc}$).

   • La distribución está acotada por suelos físicos (requisitos mínimos) y techos (capacidad total).
   • La moda se posiciona intencionadamente por debajo de la línea base de requisitos estrictos para fomentar la exploración.
   • El parámetro de forma ($k$) se adapta por tipo de slice: una distribución estrechamente concentrada ($k=5.0$) para URLLC para asegurar la seguridad, y una distribución más amplia ($k=2.0$) para eMBB para fomentar una exploración más extensa.
   • Este enfoque obliga a los agentes a explorar activamente la región de "decaimiento racional inverso" de la curva de utilidad, navegando de forma segura por los límites de las restricciones de SLA.

4. Implementación:
   El marco se implementa utilizando un LLM ligero de 1 billón de parámetros alojado localmente (otel-llm-1b-it) para asegurar la compatibilidad con las escalas temporales operativas del Controlador de Red Inteligente de Radio de tiempo no Real (non-RT RIC) de O-RAN.

Resultados Clave
La validación empírica mediante 200 ensayos independientes con perfiles de tráfico diferenciados (eMBB y URLLC) arrojó los siguientes resultados:

• Validación de la Teoría: Los datos experimentales confirmaron el Teorema de Utilidad de Evitación de Restricciones Bimodal. Los datos se bifurcaron claramente en el régimen lineal previsto (anclas factibles) y el régimen de decaimiento racional inverso (anclas restringidas), demostando que el "bajo posteo" (low-balling) estratégico reduce la pérdida de utilidad en entornos restringidos.
• Eficiencia Energética: La estrategia de Weibull aleatorizada desmanteló con éxito el sobre-provisionamiento rígido, logrando hasta un 25% de ahorro energético global en comparación con las estrategias base deterministas.
• Cumplimiento de SLA: A pesar de la agresiva optimización energética, el sistema mantuvo estrictamente las latencias de percentil 99.999 de URLLC por debajo de 10 ms. La estrategia aleatorizada utilizó el margen de maniobra (slack) disponible de los SLA (resultando en latencias medias ligeramente superiores) para maximizar la eficiencia sin violar las restricciones de riesgo de cola.
• Desempeño de Latencia: El uso del modelo de 1 billón de parámetros resultó en un tiempo de respuesta medio del LLM de 0.95 segundos, confirmando la compatibilidad del marco con los requisitos de sub-segundo de los bucles de control de non-RT RIC.

Significancia y Reivindicaciones
El artículo afirma que este trabajo establece un pilar fundamental para las redes 6G sostenibles y autónomas al tender un puente entre la psicología cognitiva y la automatización de redes. Su principal significancia radica en:

• Desesgo Cognitivo: Demostrar que estrategias de aleatorización matemáticamente acotadas y específicas pueden mitigar eficazmente los sesgos cognitivos inherentes de los LLM en infraestructuras críticas.
• Perspectiva Teórica: Proporcionar la primera prueba rigurosa de la naturaleza de doble régimen de la degradación de la utilidad en negociaciones multi-agente con restricciones, desafiando la suposición de que los anclajes iniciales más cercanos siempre producen mejores resultados.
• Viabilidad Práctica: Probar que la orquestación de redes de intención dirigida y de toque cero (zero-touch) puede lograrse utilizando LLM pequeños (1 billón de parámetros), privados y alojados localmente, en lugar de depender de modelos masivos dependientes de la nube. Esto hace que el enfoque sea computacionalmente viable para el despliegue en el borde (edge) en tiempo real, asegurando al mismo tiempo estrictas garantías de SLA y reducciones de energía significativas.