离线挖掘的审计规则显著提升 OpenRCA 根因分析得分。
资讯摘要
论文针对微服务故障根因分析（RCA）中语言智能体在 OpenRCA 上的表现做错误分析，提出反向推理智能体重建证据链并与智能体轨迹比对，其标注与两名站点可靠性工程师一致。作者将证据离线一次性计算并同等提供给各实验组，从某 Market cloudbed 审计报告挖掘的规则使留出 cloudbed 的 Full Score 从 14.10 升至 35.90，高于人工规则的 24.36 和标签加模式对照的 19.23。
要点速读
- 反向推理智能体按标签重建证据链，定位存在有据链条却未被遵循的失败案例，标注与两名 SRE 一致。
- 离线统一提供证据后，从审计报告挖掘的规则将留出 cloudbed 的 Full Score 从 14.10 提升到 35.90。
- 规则在五步流程之上新增 17 个解决案例，无流程时新增 11 个；仅删除最早出现判据净增 8 例，作者称此为描述性结果。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。