[论文解读] 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 0

一句话总结

NECC 是一个探索性框架，使用大语言模型和 BPF 接口帮助非专家为实时直播建模、实现和部署定制化拥塞控制算法（CCAs），通过细化、链式推理提示、候选程序池和迭代反馈生成可用、且安全的 CCA 代码。

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.

研究动机与目标

• 让非专家用户能够指定实时直播需求和家庭网络信息，以实现定制化的 CCA。
• 通过由 LLM 指导的代码细化自动生成可运行、与 Linux 兼容的 CCA 代码。
• 通过纳入网络安全需求和部署检查，确保安全部署。
• 通过领域特定提示、迭代反馈和候选程序池来应对 LLM 的局限性。
• 在真实 CCA（如 Cubic、Reno、Vegas、Illinois）和类实时流场景中评估 NECC，以评估性能与可行性。

提出的方法

• 使用两种 LLM：一种建模 LLM 用于收集用户需求，另一种实现 LLM 通过代码细化生成 CCA 代码。
• 采用 BPF 接口将用户态的 CCA 代码挂载到内核，便于部署。
• 将定制需求视为代码细化标准，改进现有 CCA 代码，而不是从头生成。
• 使用链式推理提示和网络领域反馈来引导细化并纠正单位/变量。
• 生成候选 CCA 程序池，以降低 LLM 概率性输出的影响，并基于反馈迭代细化。
• 通过基于 Mininet 的仿真和一个 BPF 安全分析工具（bpf-tool）进行安全性和性能检查以进行验证。

实验结果

研究问题

• RQ1 NECC 在不同的 LLM 模型和温度设置下表现如何？
• RQ2 相较于 0-shot 提示，链式推理提示是否能提高设计质量和/或代码质量？
• RQ3 候选池大小对最佳找到的 CCA 质量和成本有何影响？
• RQ4 迭代反馈（编译、BPF 和性能）在实现功能、安全的 CCA 实现方面有多有效？
• RQ5 与标准 CCA 相比，定制化的 CCA 是否在拥塞网络中提高了流质量（如 SSIM）？

主要发现

• 非零温度的 LLM 能提升设计多样性，避免输出单一且质量较低的情况。
• 链式推理提示通常提升设计质量，相较于 0-shot 提示，但编译错误可能抵消代码质量的提升。
• 更大的候选池增加获得高满意度 CCA 程序的机会，但会提高成本。
• 迭代反馈显著提升代码质量；编译与 BPF 反馈尤其有效。
• 定制化的 CCA（例如 NECC 生成的 Cubic）在拥塞网络中显示出比原始 Cubic 更好的 SSIM，表明对流媒体质量可能有提升。