X-RIC：面向强化学习的Agentic RAN智能控制器基准

O-RAN通过解耦与AI驱动控制带来架构灵活性，但现有RIC的AI方法缺乏推理能力与可解释性。论文提出eXplainable RIC（X-RIC），将agentic AI集成进O-RAN：包括利用领域启发式的自动行为克隆以实现样本高效训练、提供上下文抽象与可解释性的Transformer推理模块Telecom Language Model（TLM），以及在Near-RT RIC控制回路内的闭环协同自适应。为评估部署就绪度，作者提出BARX基准，从时延、合规性与确定性指标考察agentic控制。

AI推荐理由 将agentic AI引入O-RAN的RIC控制回路，结合行为克隆、电信语言模型（TLM）推理模块与近实时RIC闭环协同自适应，并提出BARX基准从时延、合规性、确定性维度评估agentic控制。对AI在通信网络运维落地有参考意义，但摘要止于“validate”，未展示具体验证数据。