Multi-Agent Recursion-of-Thought per la Localizzazione delle Cause Radice nei Microservizi
Un nuovo approccio alla localizzazione delle cause radice (RCL) nei microservizi utilizza la multi-agent recursion-of-thought. I metodi tradizionali di machine learning e deep learning soffrono di limitata interpretabilità e scarsa trasferibilità. Sono stati proposti metodi basati su grandi modelli linguistici (LLM), ma affrontano problemi di esplosione del contesto e strutture di ragionamento seriali che degradano accuratezza ed efficienza. L'articolo studia come gli ingegneri di affidabilità del sito (SRE) umani eseguono la RCL nella pratica, con l'obiettivo di migliorare i metodi basati su LLM. Il lavoro è pubblicato su arXiv con ID 2605.14866.
Fatti principali
- ID arXiv paper 2605.14866
- Focus sulla localizzazione delle cause radice per microservizi
- Approccio multi-agent recursion-of-thought
- Affronta le limitazioni dei metodi tradizionali ML e DL
- I metodi basati su LLM affrontano problemi di esplosione del contesto e ragionamento seriale
- Studia le pratiche umane degli SRE
- Mira a migliorare l'interpretabilità e la trasferibilità
- Pubblicato su arXiv
Entità
Istituzioni
- arXiv