PulseAugur
实时 13:12:56
English(EN) PRAXIS: Integrating Program Analysis with Observability for Root-Cause Analysis

PRAXIS系统使用LLM自动化云事件的根本原因分析

研究人员开发了PRAXIS,一个旨在诊断和解决由代码或配置错误引起的云事件的新系统。PRAXIS采用LLM驱动的方法来遍历服务依赖图和程序依赖图,从而实现更准确的根本原因分析。在评估中,PRAXIS在准确性方面比现有方法有了显著提高,同时还减少了计算资源的使用。 AI

影响 引入了一种新颖的LLM驱动的自动化根本原因分析方法,有可能减少云事件的解决时间和成本。

排序理由 这是一篇介绍用于云事件根本原因分析的新系统的研究论文。

在 arXiv cs.AI 阅读 →

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

PRAXIS系统使用LLM自动化云事件的根本原因分析

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Shengkun Cui, Rahul Krishna, Saurabh Jha, Ravishankar K. Iyer ·

    PRAXIS: Integrating Program Analysis with Observability for Root-Cause Analysis

    arXiv:2512.22113v2 Announce Type: replace-cross Abstract: Unresolved production cloud incidents cost an average of over $2M per hour. This paper introduces PRAXIS, an orchestrator that manages and deploys an agentic workflow for diagnosing code- and configuration-caused cloud inc…