[论文解读] AutORAN: LLM-driven Natural Language Programming for Agile xApp Development

Xin Li, Shiming Yu+4 more|arXiv (Cornell University)|Mar 19, 2026

Advanced MIMO Systems Optimization被引用 0

一句话总结

AutORAN 引入一个端到端、由大模型驱动的框架，将自然语言意图转换为可部署的 O-RAN xApp，具备领域知识注入、结构化需求 elicitation，以及在真实测试平台上的自动化验证和部署。

ABSTRACT

Traditional RAN systems are closed and monolithic, stifling innovation. The openness and programmability enabled by Open Radio Access Network (O-RAN) are envisioned to revolutionize cellular networks with control-plane applications--xApps. The development of xApps (typically by third-party developers), however, remains time-consuming and cumbersome, often requiring months of manual coding and integration, which hinders the roll-out of new functionalities in practice. To lower the barrier of xApp development for both developers and network operators, we present AutORAN, the first LLM-driven natural language programming framework for agile xApps that automates the entire xApp development pipeline. In a nutshell, AutORAN turns high-level user intents into swiftly deployable xApps within minutes, eliminating the need for manual coding or testing. To this end, AutORAN builds a fully automated xApp generation pipeline, which integrates multiple functional modules (from user requirement elicitation, AI/ML function design and validation, to xApp synthesis and deployment). We design, implement, and comprehensively evaluate AutORAN on representative xApp tasks. Results show AutORAN-generated xApps can achieve similar or even better performance than the best known hand-crafted baselines. AutORAN drastically accelerates the xApp development cycle (from user intent elicitation to roll-out), streamlining O-RAN innovation.

研究动机与目标

• 通过将自然语言意图转化为可部署的 xApp，降低 O-RAN 中 xApp 开发的门槛与上线时长。
• 注入领域知识并强制接口合规性，以产生可靠、符合标准的 xApp。
• 提供一个覆盖需求 elicitation、知识检索、算法设计、验证、合成与部署的自动化流水线。

提出的方法

• 将模糊的用户输入转化为精确的 xApp 规范的需求细化与结构化。
• 在提示上下文中注入 O-RAN 领域知识以嵌入规范与约束。
• 三阶段 xApp 设计框架：算法轮廓生成、详细设计与带验证的代码生成。
• 通过多提示 Chain-of-Thought 推理辅助的自动化 xApp 合成，包含接口匹配、算法集成与 xApp 验证。
• 在近实时 RIC 上将 xApp 以 Docker 容器进行自动化部署，并实现基于 RMR 的互联与 E2 接口集成。
• 使用 SonarQube 进行代码级验证，并在真实的 O-RAN 测试床上进行端到端系统级验证。

实验结果

研究问题

• RQ1 AutORAN 在与人工手工基线性能相当或更优的情况下，生成可部署的 xApp 的效果如何？
• RQ2 与传统开发流程相比，AutORAN 在 xApp 开发周期上能实现多大程度的加速？
• RQ3 AutORAN 能否确保在多种 xApp 用例中实现 O-RAN 接口合规性和近实时部署性？
• RQ4 领域知识注入对生成 xApp 的可靠性与正确性有何影响？

主要发现

• AutORAN 生成的 xApp 在性能上可与最佳手工基线相当或更优。
• 该框架显著加速了从意图 elicitation 到上线的 xApp 开发周期。
• 在真实 O-RAN 测试床上的自动化部署证明了实际可行性和近实时部署性。
• 知识注入提示和结构化需求 elicitation 显著提升了代码的可靠性以及与 O-RAN 接口的兼容性。
• 系统采用四模块架构（用户-AutORAN 界面、领域知识检索、xApp 功能设计与验证、自动化 xApp 合成）实现端到端自动化。