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

我们介绍了LLM-ABR，这是第一个利用大型语言模型（LLMs）的生成能力来自主设计适应不同网络特征的自适应比特率（ABR）算法系统。在强化学习框架下运行，LLM-ABR赋予LLMs设计关键组件，如状态和神经网络架构的能力。我们在不同的网络环境下评估了LLM-ABR，包括宽带、卫星、4G和5G。LLM-ABR始终表现优于默认的ABR算法。

LLM-ABR试图利用大型语言模型的生成能力，自主设计适应不同网络特征的自适应比特率算法。这是一个新问题。

LLM-ABR在强化学习框架下操作，使LLMs设计状态和神经网络架构等关键组件。相比当前领域的研究状况，这篇论文的关键思路是使用大型语言模型进行自主设计。

LLM-ABR在不同网络环境下进行了评估，包括宽带、卫星、4G和5G。结果表明LLM-ABR始终优于默认的ABR算法。论文开源了代码。

最近在这个领域中，还有一些相关的研究被进行，如基于QoE的ABR算法设计、利用强化学习进行ABR算法设计等。