研究：简单 LLM 框架在微服务根因分析中优于手工设计智能体
论文AI 评分 72/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇 arXiv 论文比较了三种不规定模型调用方式的简单框架（对证据包单次调用、SQL 智能体、Codex 编码智能体）与五个已发表的 LLM 根因分析智能体，以及统计与因果方法。评测在 RCAtlas 上进行，含来自八个公开数据集的 90 个验证案例，覆盖六个模型与三档推理强度。简单框架最准确，三个中端模型上 PR@1 为 65-77%，高于已发表智能体的 16-53% 和非 LLM 方法的 6-39%。已发表智能体把一成到全部模型调用固定在程序里，案例显示这种预设会跳过关键证据。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载对比了哪些方案
论文把三类做法放在同一评测集上比较。第一类是三种简单框架，它们不规定模型该发起哪些调用：一种是对打包好的证据做单次调用，一种是 SQL 智能体，一种是 Codex 编码智能体。第二类是五个已发表的 LLM 根因分析智能体，这些智能体通过标准作业流程、固定阶段和角色智能体来手工设计调查路径。第三类是不依赖 LLM 的统计与因果方法。此前每个智能体都在各自数据上、对着少量基线做评估，因此无法判断手工设计是否真的优于让能力足够的模型自行调查。
准确率差距与原因
在 RCAtlas 的 90 个验证案例上，简单框架表现最准确：三个中端模型的 PR@1 落在 65-77% 区间，已发表智能体为 16-53%，非 LLM 方法为 6-39%；在两类方案都跑过的每个模型上，简单框架都领先。论文指出，已发表智能体把一成到全部的模型调用写死在程序里，并用案例说明这种预设会跳过对定位根因起决定作用的证据。换言之，流程约束越细，模型越难顺着实际线索走。
模型、轮次与推理开销
论文还拆解了不同因素的作用：换用更强的模型主要提升结果的可靠性；采用多轮框架主要提升能力上限；而提高推理强度对准确率的影响最多只有几个百分点，耗时却可能增加到七倍。在成本或时间维度上，凡是准确率超过最佳非 LLM 方法的运行中，帕累托最优的全部落在简单框架一侧。这为实际部署提供了取舍依据：与其堆叠推理步数，不如减少对模型调用路径的硬性规定。
为什么值得看
对做运维智能体的人来说，结论直接：少写死流程、把调查自由交给强模型，准确率更高且成本更优。
智能体论文数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。