LLM-ABR: Разработка алгоритмов адаптивного битрейта с использованием больших языковых моделей
LLM-ABR: Designing Adaptive Bitrate Algorithms via Large Language Models
April 2, 2024
Авторы: Zhiyuan He, Aashish Gottipati, Lili Qiu, Francis Y. Yan, Xufang Luo, Kenuo Xu, Yuqing Yang
cs.AI
Аннотация
Мы представляем LLM-ABR, первую систему, которая использует генеративные возможности больших языковых моделей (LLM) для автономного проектирования алгоритмов адаптивного битрейта (ABR), настраиваемых для различных характеристик сети. Работая в рамках обучения с подкреплением, LLM-ABR дает возможность LLM проектировать ключевые компоненты, такие как состояния и архитектуры нейронных сетей. Мы оцениваем LLM-ABR в различных сетевых средах, включая широкополосные, спутниковые, 4G и 5G. LLM-ABR последовательно превосходит стандартные алгоритмы ABR.
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.