Network Papers in SIGCOMM 2026¶
Tip
updated on 2026-08-05
(1) FlowForm: Scalable Passive Metasurface Network for mmWave Coverage Expansion
(2) CausalTune: Causal Learning based Automated Cellular RAN Configuration Tuning Framework
(3) SAGE: A Real-Time AI System for Reducing Latency in NextG Cellular Networks
(4) GeoOrchestra: Orchestrating Heterogeneous Geo-Distributed Training with Network-Aware Scheduling
(5) RANPilot: Making AI Functionalities Robust to Dynamic O-RAN Reconfigurations
(6) Planet-Scale IoT Connectivity via LEO Satellites
(7) Concord: Airtime-Aware Contention Control for Taming Tail Latency from Wi-Fi Frame Bursting
(8) Horizon: A Hyper-Edge Observability Engine for Live Streaming Networks
(9) Dissecting the StarLink: Characterizing Queuing and Flow Dynamics in the Starlink Network
(10) Synchronizing with the Scheduler: Dual-Loop Congestion Control for 5G Uplink on Commodity Devices [GBR-CC]
Summary
SIGCOMM 26:
| 论文 | 核心 | 推荐系数 | 亮点与评价 |
|---|---|---|---|
| RANPilot | 基于高保真"数据生成"技术, 在物理网络重构发生之前，就让AI模型"提前适应"新的网络状态 | 4 | (1) 关注技术: PHY Abstraction; 仅聚焦 MAC+ 的 trace 模拟; (2) 在实际物理重构发生前，合成出具有高保真度的目标状态KPM（关键性能指标）训练数据; (3) 基于元学习的数据增强提升泛化性; (4) 增量学习以弥合现实差距 评价: 有点黑魔法, 但写作值得学习、解法思路很清晰; PHY Abstraction 跟 Starpike 一致, 可参考 |
| CausalTune | 基于观测遥测数据的"因果学习"框架，用于自动化的RAN配置优化 | 0 | 纯黑魔法, 建议直接跳过. 最多了解一下 causal learning 的概念 |
| FlowForm | 利用被动超表面(Passive MetaSurface)网络来扩展mmWave覆盖，无需任何电源、控制电路或运行时协调 | 2 | 不太看得懂. 了解 RIS 和 Passive MTS 概念即可 |
| SAGE | 在 gNB 侧, ms-level 预测 UE 的上行流量需求, 主动分配资源, 降低 RAN UL Delay | 5 | 深度好文, 如果我是审稿人, 一定会提名本文为 best paper (1) AI Inference + Network System 常用 Workflow 方法论: 流量特征提取 -> 模型验证 -> 预测、推理、调度 (实际工作) -> 持续学习 / 增量更新 -> 数据库更新 (2) 提出 Traffic Train 这个概念 (3) 5GSys operational mode: Grant-based mode / Grant-free mode / Prediction mode (本文率先提出) (4) 积累 SR / BSR / QFI / DRB / LCG 等 5G UL 名词 |
| Dissecting StarLink | Starlink 的关于拥塞控制、队列/缓冲管理的"探测结果" | 5 | 笔者难得给测量类型文章5分, 深度好文: (1) head-drop queuing (2) demand-driven BW allocation (3) DL AQM 温和, UL AQM 极为激进 (4) flow-level queuing 能起到隔离性, 但 DL 的效果不好, 原因是 CC 没有和 Buffer Management 相统一 |
| SatIoT | 卫星物联网首次大规模测量 | 2 | 感觉有点伪, 不过未来可按需引用; 优点: 图很 fancy 当前DtS卫星互联网问题: (1) 协议效率低下 (2) 长尾延迟 (3) 能源浪费严重 本文给出的解法: (1) 用 Merged NACK 代替 Per-pkt ACK (2) 主动推迟窗口末期的传输 (3) 摒弃"整个窗口都唤醒"的策略, 仅在"窗口内+链路质量可靠"时才唤醒设备 |
| GeoOrchestra | 跨数据中心的分布式训练 | 1 | 看不太懂, 笔者研究领域之外... 感觉是个水文, 但是未来做 D2CLab 估计能借鉴 |
| horizon | 将不可靠的 "超边缘设备" 转化为可靠的网络实时监控 | 1 | 感觉有点像 WiCi, 不知道是不是有关联。反正就是把边缘的网络设备变成"可计算/监控节点" |
| GBR-CC | 发现并定义新的"拥塞控制信号" GBR; GBRCC 是专为蜂窝网络 UL设计的 Dual-loop 控制器 | 4 | 核心点: 发现并提出 GBR 这个"拥塞控制信标" 学习: 本文分类/归纳了"蜂窝网络的CC", 未来笔者一定会用得上 |
| Concord | 基于 Wi-Fi MAC 层的信标进行 Contention Control, 真正降低 Tail Latency | 0 | 核心结论: (1) 在 WLAN 中控制尾部延迟的关键在于控制介质持有时间(contention control), 而不是单纯控制传输速率(congestion control) (2) Contention Ctrl 不等于 Congestion Ctrl |