LLM-ABR: 大規模言語モデルを用いた適応型ビットレートアルゴリズムの設計

要旨

我々は、大規模言語モデル（LLM）の生成能力を活用して、多様なネットワーク特性に適応した適応ビットレート（ABR）アルゴリズムを自律的に設計する初のシステム「LLM-ABR」を提案する。強化学習フレームワーク内で動作するLLM-ABRは、状態やニューラルネットワークアーキテクチャといった主要コンポーネントの設計をLLMに委ねる。我々は、ブロードバンド、衛星、4G、5Gを含む多様なネットワーク環境でLLM-ABRを評価し、LLM-ABRがデフォルトのABRアルゴリズムを一貫して上回ることを確認した。

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.

LLM-ABR: 大規模言語モデルを用いた適応型ビットレートアルゴリズムの設計

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

要旨

Support