Pensieve ist ein System, das mithilfe des Verstärkungslernens adaptive Bitratenalgorithmen generiert.Pensieve trainiert ein neuronales Netzwerkmodell, das Bitraten für zukünftige Video-Chunks basierend auf Beobachtungen auswählt, die von Client-Video-Playern gesammelt wurden.Pensieve stützt sich nicht auf vorprogrammierte Modelle oder Annahmen zur Umgebung.Stattdessen lernt es, ABR-Entscheidungen nur durch Beobachtung der resultierenden Leistung vergangener Entscheidungen zu treffen.Als Ergebnis lernt Pensieve automatisch ABR-Algorithmen, die sich an eine Vielzahl von Umgebungen und QoE-Metriken anpassen.Wir vergleichen Pensieve mit modernsten ABR-Algorithmen. Dabei verwenden wir verfolgungsgesteuerte und reale Experimente, die eine Vielzahl von Netzwerkbedingungen, QoE-Metriken und Videoeigenschaften abdecken.In allen betrachteten Szenarien übertrifft Pensieve mit einer Verbesserung der durchschnittlichen QoE von 12% bis 25% das beste System auf dem neuesten Stand der Technik.Pensieve lässt sich auch gut verallgemeinern und übertrifft vorhandene Systeme sogar in Netzwerken, für die es nicht explizit geschult wurde.