Computers Can Learn from the Heuristic Designsand Master Internet Congestion Control(SIGCOMM2023)

会议：

ACM SIGCOMM Conference 2023: New York City, NY, USA

ACM International Conference on Applications, Technologies, Architectures, and Protocols for Computer Communication

方向：Congestion Control

CCS CONCEPTS这个东西简单来说可以看作一个论文的分类索引，是ACM出版论文时论文中必须要附带的东西

关于方向还是需要自己看完后总结，文章中是没有哪个地方具体标明的

摘要：

在这项工作中，首次，我们证明计算机能自主学习从启发式努力在过去的四十年里，基于现有网络拥塞控制方法，发现一个性能最好的方案。

在这项工作中，我们首次证明了计算机可以从观察过去四十年的启发式努力中自动学习，站在现有互联网拥塞控制(CC)方案的肩膀上，并发现一个性能更好的方案。

为此，我们需要解决众多实际挑战，如何概括表现 各种现有拥塞阻塞方法 对于严峻的挑战 关于学习从许多策略在复杂的CC领域和介绍（引入）Sage。

为此，我们解决了许多不同的实际挑战，从如何概括各种现有CC方案的表示，到如何从复杂CC领域的大量策略中学习并引入Sage的严峻挑战。

Sage是首次设计仅通过数据驱动网络拥塞阻塞，学习一个更好的方法 通过利用现有的方案。

Sage是第一个纯粹数据驱动的互联网CC设计，它通过利用现有的解决方案来学习更好的方案。

我们比较Sage的性能 与最新CC方法 通过在巨大互联网控制环境进行评估

我们通过对互联网和受控环境的广泛评估，将Sage的性能与最先进的CC方案进行比较

实验结果表明，Sage是有效性能的学习策略。

结果表明，Sage已经学会了一种效果更好的策略

虽然目前仍有许多未解决的问题，我们希望提出的数据驱使架构能推断可持续设计方案。

虽然仍有许多未解决的问题，但我们希望我们的数据驱动框架可以为更可持续的设计策略铺平道路。