論文の概要: Enabling Autonomic Microservice Management through Self-Learning Agents

• arxiv url: http://arxiv.org/abs/2501.19056v1
• Date: Fri, 31 Jan 2025 11:32:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-03 14:04:04.979740
• Title: Enabling Autonomic Microservice Management through Self-Learning Agents
• Title（参考訳）: セルフラーニングエージェントによる自律型マイクロサービス管理の実現
• Authors: Fenglin Yu, Fangkai Yang, Xiaoting Qin, Zhiyang Zhang, Jue Zhang, Qingwei Lin, Hongyu Zhang, Yingnong Dang, Saravan Rajmohan, Dongmei Zhang, Qi Zhang,
• Abstract要約: ServiceOdysseyは、サービス固有の構成に関する事前の知識を必要とせずに自律的に管理する、セルフラーニングエージェントシステムである。 Sock Shopマイクロサービスで構築されたプロトタイプは、自律的マイクロサービス管理におけるこのアプローチの可能性を実証している。
• 参考スコア（独自算出の注目度）: 38.13350104927768
• License:
• Abstract: The increasing complexity of modern software systems necessitates robust autonomic self-management capabilities. While Large Language Models (LLMs) demonstrate potential in this domain, they often face challenges in adapting their general knowledge to specific service contexts. To address this limitation, we propose ServiceOdyssey, a self-learning agent system that autonomously manages microservices without requiring prior knowledge of service-specific configurations. By leveraging curriculum learning principles and iterative exploration, ServiceOdyssey progressively develops a deep understanding of operational environments, reducing dependence on human input or static documentation. A prototype built with the Sock Shop microservice demonstrates the potential of this approach for autonomic microservice management.
• Abstract（参考訳）: 現代のソフトウェアシステムの複雑さの増大は、堅牢な自律的な自己管理能力を必要とする。 大規模言語モデル(LLM)は、このドメインに潜在的な可能性を示していますが、特定のサービスコンテキストに一般知識を適用する際には、しばしば課題に直面します。 この制限に対処するために、サービス固有の構成に関する事前の知識を必要とせずに、マイクロサービスを自律的に管理する、セルフラーニングエージェントシステムであるServiceOdysseyを提案する。 カリキュラム学習の原則と反復的な探索を活用することで、ServiceOdysseyは運用環境の深い理解を深め、人間の入力や静的ドキュメントへの依存を減らす。 Sock Shopマイクロサービスで構築されたプロトタイプは、自律的マイクロサービス管理におけるこのアプローチの可能性を実証している。

関連論文リスト

• Autonomous Building Cyber-Physical Systems Using Decentralized Autonomous Organizations, Digital Twins, and Large Language Model [0.0]
  本稿では,分散型自律型サイバー物理システムフレームワークについて紹介する。 分散自律型組織、大規模言語モデル、デジタルツインを統合して、スマートで自己管理型、運用型、財務的に自律的な建築インフラを構築する。 人工知能アシスタントは、ブロックチェーンのための直感的なヒューマンビルディングインタラクションを提供し、運用管理関連のタスクを構築するために開発された。
  論文  参考訳（メタデータ） (2024-10-25T02:34:54Z)
• Cognitive Kernel: An Open-source Agent System towards Generalist Autopilots [54.55088169443828]
  我々は,ジェネラリストオートパイロットの目標に向けて,オープンソースのエージェントシステムであるCognitive Kernelを紹介する。 主にユーザーに依存して必要な状態情報を提供する自動操縦システムとは異なり、自動操縦システムは独立してタスクを完了しなければならない。 これを実現するために、自動操縦システムでは、ユーザの意図を理解し、様々な現実世界の情報源から必要な情報を積極的に収集し、賢明な判断をする必要がある。
  論文  参考訳（メタデータ） (2024-09-16T13:39:05Z)
• The Vision of Autonomic Computing: Can LLMs Make It a Reality? [37.406469607281615]
  ビジョン・オブ・オートノミクス・コンピューティング(英語版)(ACV)は、生物に類似した自己管理型コンピューティングシステムを構想している。 大規模言語モデル(LLM)の最近の進歩は、これらの課題に対する有望な解決策を提供する。 この研究は、マイクロサービス管理フレームワークへのLLMの統合の先駆けとして、自律コンピューティングの進歩に寄与する。
  論文  参考訳（メタデータ） (2024-07-19T15:30:32Z)
• A Learning-based Incentive Mechanism for Mobile AIGC Service in Decentralized Internet of Vehicles [49.86094523878003]
  モバイルAIGCサービスアロケーションのための分散インセンティブ機構を提案する。 我々は、AIGCサービスのRSUへの供給と、IoVコンテキスト内のサービスに対するユーザ要求のバランスを見つけるために、マルチエージェントの深層強化学習を採用している。
  論文  参考訳（メタデータ） (2024-03-29T12:46:07Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)
• DeepScaler: Holistic Autoscaling for Microservices Based on Spatiotemporal GNN with Adaptive Graph Learning [4.128665560397244]
  本稿では,ディープラーニングに基づく総合的オートスケーリング手法であるDeepScalerを提案する。 サービスレベルの合意(SLA)とコスト効率を最適化するために、サービス依存関係に対処することに焦点を当てています。 実験により,本手法はマイクロサービスのより効率的な自動スケーリング機構を実装していることが示された。
  論文  参考訳（メタデータ） (2023-09-02T08:22:21Z)
• Autonomous Open-Ended Learning of Tasks with Non-Stationary Interdependencies [64.0476282000118]
  固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。 内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。 特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。 そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
  論文  参考訳（メタデータ） (2022-05-16T10:43:01Z)
• From Machine Learning to Robotics: Challenges and Opportunities for Embodied Intelligence [113.06484656032978]
  記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。 私たちは、インテリジェンスを具体化するための課題と機会を強調します。 本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
  論文  参考訳（メタデータ） (2021-10-28T16:04:01Z)
• Deep Learning and Reinforcement Learning for Autonomous Unmanned Aerial Systems: Roadmap for Theory to Deployment [0.9176056742068812]
  機械学習、特にディープラーニングと強化学習の進歩が、次世代の自律型UASの開発にどのように活用できるかを論じる。 UASへの自律性を実現する上で不可欠な重要な領域は、コンピュータビジョンである。
  論文  参考訳（メタデータ） (2020-09-07T18:10:16Z)
• Learning to Optimize Autonomy in Competence-Aware Systems [32.3596917475882]
  体験を通して学習し、オンラインで更新する自律の内省モデルを提案する。 我々は、さまざまなレベルの自律性と利用可能な人間のフィードバックにおいて、自身の習熟度を明示的にモデル化する能力認識システム(CAS)を定義する。 我々はCASの収束特性を解析し、ロボット配送と自律運転領域の実験結果を提供する。
  論文  参考訳（メタデータ） (2020-03-17T14:31:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。