IteRate：基于自主 AI 合成的内核 eBPF 无线网速率控制算法
网络与互联网体系结构
2026-05-05 v1
摘要
无线网络中的速率自适应仍然面临持久挑战。部署的算法如 Minstrel-HT 已 stagnant 超过十年，依赖手工调优的启发式方法，无法泛化到现代无线环境的复杂性。我们提出 \name，一个闭环的自主研究系统，完成速率控制开发。IteRate 使用多智能体 AI 架构，完成从假设构建、编写运行于 Linux 内核的 eBPF 程序、通过空中方式部署至 Wi-Fi 设备、收集细粒度遥测数据进行分析、根据实验证据迭代，全程无需人工干预。IteRate 作出三项贡献：(1) 一个新型内核模块，暴露每帧硬件遥测信息，包括调制编码方案(MCS)和重试计数至 eBPF 程序；(2) 结构化的智能体 AI 架构，采用专用智能体进行算法设计、实验执行和数据分析，通过假设驱动的研究协议进行协调，具有持久化知识；(3) 一个闭环管道，自动化交叉编译、部署和评估内核逻辑于嵌入式 Wi-Fi 目标设备。实验在 58 节点测试台上进行，运行五种工作负载。相较于著名的 Minstrel 算法，IteRate 实现网页加载速度提高 21%，视频质量体验(QoE)提升 7%，峰值吞吐量提高 21%。我们的工作表明，具备适当内核级挂钩和严格科学工作流程的 AI 智能体，能够有效自动化设计 Wi-Fi 速率控制器所需的研究。
引用
@article{arxiv.2605.02542,
title = {IteRate: Autonomous AI Synthesis of In-Kernel eBPF Wi-Fi Rate Control Algorithms},
author = {James Lynch and Ziqian Liu and Snehadeep Gayen and Om Chabra and Hari Balakrishnan},
journal= {arXiv preprint arXiv:2605.02542},
year = {2026}
}