实体
microservice systems
microservice systems
PulseAugur coverage of microservice systems — every cluster mentioning microservice systems across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
LLM增强微服务系统的异常检测能力
一个名为LLMMAD的新框架已被开发出来，用于利用大型语言模型（LLM）进行微服务系统的异常检测。该方法通过保留特定模态的特征并缓解“身份捷径”问题来解决现有方法的局限性。LLMMAD将多模态数据整合到一个统一的序列中供LLM处理，同时使用模态重构头来保留个体数据的特征。它还采用了一种由预测驱动的自回归目标来提高状态预测的准确性。实验表明，LLMMAD在真实数据集上的表现优于当前最先进的方法，在F1分数上取得了显著的改进。
-
新框架使用多智能体递归进行微服务故障诊断
研究人员开发了RCLAgent，一个旨在改进复杂微服务系统根因定位的新型框架。该方法利用多智能体思维递归策略和并行推理，克服了现有基于LLM的方法的局限性，如上下文爆炸和串行处理。通过为系统追踪图的不同部分分配专用智能体并进行递归组织，RCLAgent旨在提高故障诊断的准确性和效率。