LLM-ABR: Entwurf adaptiver Bitraten-Algorithmen mithilfe großer Sprachmodelle
LLM-ABR: Designing Adaptive Bitrate Algorithms via Large Language Models
April 2, 2024
papers.authors: Zhiyuan He, Aashish Gottipati, Lili Qiu, Francis Y. Yan, Xufang Luo, Kenuo Xu, Yuqing Yang
cs.AI
papers.abstract
Wir präsentieren LLM-ABR, das erste System, das die generativen Fähigkeiten großer Sprachmodelle (LLMs) nutzt, um autonom adaptive Bitraten-Algorithmen (ABR) zu entwerfen, die auf unterschiedliche Netzwerkeigenschaften zugeschnitten sind. Innerhalb eines Verstärkungslernrahmens ermöglicht LLM-ABR LLMs, Schlüsselkomponenten wie Zustände und neuronale Netzwerkarchitekturen zu entwerfen. Wir evaluieren LLM-ABR in verschiedenen Netzwerkeinstellungen, einschließlich Breitband, Satellit, 4G und 5G. LLM-ABR übertrifft konsequent Standard-ABR-Algorithmen.
English
We present LLM-ABR, the first system that utilizes the generative
capabilities of large language models (LLMs) to autonomously design adaptive
bitrate (ABR) algorithms tailored for diverse network characteristics.
Operating within a reinforcement learning framework, LLM-ABR empowers LLMs to
design key components such as states and neural network architectures. We
evaluate LLM-ABR across diverse network settings, including broadband,
satellite, 4G, and 5G. LLM-ABR consistently outperforms default ABR algorithms.