ABR 算法可以分为两大类，一类是基于启发式的策略，通过建立各种模型或规则来控制码率的选择，然而这些算法通常需要仔细调参以适应多变的网络环境。另一类则是采用机器学习的方式，让播放器通过与现实中的网络交互，“自主地”学习出一个适应当前网络状态的 ABR 算法。任何算法在落地前都需要经历漫长从理论到实践的调试与优化，特别是解决各种各样 “实验室中认为不重要但是在落地阶段非常重要” 的问题。鉴此，快手音视频技术部联合清华大学孙立峰教授团队对基于学习的 ABR 算法在两方面进行了研究和改进，并分别发表在国际顶级会议 IEEE INFOCOM 2020 与国际顶级期刊 IEEE JSAC。