PulseAugur
中
实时 22:58:05
English(EN) TingIS: Real-time Risk Event Discovery from Noisy Customer Incidents at Enterprise Scale

TingIS系统使用LLM实时发现关键事件

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了TingIS，一个旨在从嘈杂的客户反馈中实时识别关键技术问题的 novel 系统。该系统采用多阶段引擎，结合了大型语言模型和高效索引，以合并和提取用户描述中的可操作事件。TingIS还包含一个用于业务归属的级联路由机制和一个降噪管道，在生产环境中实现了95%的高优先级事件发现率，P90警报延迟为3.5分钟。 AI

影响 该系统通过实现对关键技术问题的更快发现和缓解，有可能显著减少云服务的停机时间。

排序理由 该集群包含一篇详细介绍新系统及其性能基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Jun Wang, Ziyin Zhang, Rui Wang, Hang Yu, Peng Di, Rui Wang ·

    TingIS: Real-time Risk Event Discovery from Noisy Customer Incidents at Enterprise Scale

    arXiv:2604.21889v2 Announce Type: replace Abstract: Real-time detection and mitigation of technical anomalies are critical for large-scale cloud-native services, where even minutes of downtime can result in massive financial losses and diminished user trust. While customer incide…

相关实体

相关话题