[論文レビュー] Toward Non-Expert Customized Congestion Control

Mingrui Zhang, Hamid Bagheri+1 more|arXiv (Cornell University)|Jan 30, 2026

Network Traffic and Congestion Control被引用数 0

ひとこと要約

NECCは、大規模言語モデルとBPFインターフェースを用いて、専門家でない人がライブ配信のためのカスタマイズされた輻輳制御アルゴリズム（CCA）をモデル化、実装、デプロイするのを支援する探索的フレームワークで、リファインメント、CoTプロンプト、プール生成、反復的フィードバックを通じて機能的で安全なCCAコードを生成する。

ABSTRACT

General-purpose congestion control algorithms (CCAs) are designed to achieve general congestion control goals, but they may not meet the specific requirements of certain users. Customized CCAs can meet certain users' specific requirements; however, non-expert users often lack the expertise to implement them. In this paper, we present an exploratory non-expert customized CCA framework, named NECC, which enables non-expert users to easily model, implement, and deploy their customized CCAs by leveraging Large Language Models and the Berkeley Packet Filter (BPF) interface. To the best of our knowledge, we are the first to address the customized CCA implementation problem. Our evaluations using real-world CCAs show that the performance of NECC is very promising, and we discuss the insights that we find and possible future research directions.

研究の動機と目的

• 非専門ユーザーがライブ配信要件と家庭内ネットワーク情報をカスタマイズされたCCAに指定できるようにする。
• LLMsによるガイド付きコードリファインメントで機能的、Linux互換のCCAコードの自動生成。
• ネットワークの安全要件とデプロイ検証を組み込み、安全なデプロイを確保する。
• ドメイン特化プロンプト、反復的フィードバック、候補プログラムのプールによってLLMの限界に対処する。
• 実際のCCA（例：Cubic、Reno、Vegas、Illinois）とライブストリーム類似シナリオでNECCを評価し、性能と実用性を評価する。

提案手法

• モデル化LLMでユーザー要件を収集し、実装LLMでコードリファインメントを通じてCCAコードを生成する二つのLLMを使用。
• BPFインターフェースを採用してユーザー空間のCCAコードをカーネルに結合し、デプロイを簡素化する。
• カスタマイズされた要件をコードリファインメント基準として扱い、ゼロから生成するのではなく既存CCAコードを改良する。
• 思考過程プロンプト（CoT）とネットワークドメインのフィードバックを用いてリファインメントを誘導し、単位/変数の正確性を修正する。
• LLMの確率的出力を緩和するために候補CCAプログラムのプールを生成し、フィードバックに基づいて反復的に改良する。
• Mininetベースのエミュレーションとbpf-toolによるBPF安全性分析ツールを用いた安全性とパフォーマンスチェックを組み込み、検証を行う。

実験結果

リサーチクエスチョン

• RQ1 NECCは異なるLLMモデルと温度設定でどのように性能を発揮するか？
• RQ2 CoTプロンプティングは0-shotプロ promptingに対して設計品質および/またはコード品質を改善するか？
• RQ3 候補プールのサイズが最適なCCA品質とコストにどのように影響するか？
• RQ4 反復的フィードバック（コンパイル、BPF、パフォーマンス）が機能的で安全なCCA実装の達成にどれほど効果的か？
• RQ5 カスタマイズCCAは混雑したネットワークでのストリーミング品質（例：SSIM）を標準CCAと比べて改善するか？

主な発見

• 非ゼロのLLM温度は設計の多様性を高め、均一で品質の低い出力を回避する。
• CoTプロンプティングは一般に設計品質を0-shotより改善するが、コンパイルエラーがコード品質の利得を打ち消すことがある。
• より大きい候補プールは高満足度のCCAプログラムの可能性を高める一方でコストを上げる。
• 反復的フィードバックはコード品質を大幅に改善し、特にコンパイルとBPFフィードバックが有効である。
• カスタマイズCCA（例：NECC生成のCubic）は混雑ネットワークでのSSIMが元のCubicより高く、ストリーミング品質の向上を示唆する。