LLM-ABR: Progettazione di algoritmi di Adaptive Bitrate tramite modelli linguistici di grandi dimensioni

LLM-ABR: Designing Adaptive Bitrate Algorithms via Large Language Models

April 2, 2024

Autori: Zhiyuan He, Aashish Gottipati, Lili Qiu, Francis Y. Yan, Xufang Luo, Kenuo Xu, Yuqing Yang

cs.AI

Abstract

Presentiamo LLM-ABR, il primo sistema che sfrutta le capacità generative dei grandi modelli linguistici (LLM) per progettare in modo autonomo algoritmi di adattamento del bitrate (ABR) ottimizzati per diverse caratteristiche di rete. Operando all'interno di un framework di apprendimento per rinforzo, LLM-ABR consente ai LLM di progettare componenti chiave come gli stati e le architetture di reti neurali. Valutiamo LLM-ABR in vari contesti di rete, tra cui banda larga, satellitare, 4G e 5G. LLM-ABR supera costantemente gli algoritmi ABR predefiniti.

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.