論文の概要: Diagnosing and Resolving Cloud Platform Instability with Multi-modal RAG LLMs
- arxiv url: http://arxiv.org/abs/2505.21419v2
- Date: Wed, 28 May 2025 02:17:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-29 12:33:41.800773
- Title: Diagnosing and Resolving Cloud Platform Instability with Multi-modal RAG LLMs
- Title（参考訳）: マルチモーダルRAG LLMによるクラウドプラットフォーム不安定性の診断と解決
- Authors: Yifan Wang, Kenneth P. Birman,
- Abstract要約: ARCAは、このドメインをターゲットにした新しいマルチモーダルRAG LLMシステムである。
ステップワイズ評価は、ARCAが最先端の代替品より優れていることを示している。
- 参考スコア（独自算出の注目度）: 6.562660423743343
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Today's cloud-hosted applications and services are complex systems, and a performance or functional instability can have dozens or hundreds of potential root causes. Our hypothesis is that by combining the pattern matching capabilities of modern AI tools with a natural multi-modal RAG LLM interface, problem identification and resolution can be simplified. ARCA is a new multi-modal RAG LLM system that targets this domain. Step-wise evaluations show that ARCA outperforms state-of-the-art alternatives.
- Abstract（参考訳）: 今日のクラウドでホストされるアプリケーションやサービスは複雑なシステムであり、パフォーマンスや機能上の不安定さは、数十ないし数百の潜在的な根本原因を持つ可能性がある。
我々の仮説は、現代のAIツールのパターンマッチング機能と自然なマルチモーダルRAG LLMインタフェースを組み合わせることで、問題の識別と解決を単純化できるというものである。
ARCAは、このドメインをターゲットにした新しいマルチモーダルRAG LLMシステムである。
ステップワイズ評価は、ARCAが最先端の代替品より優れていることを示している。
関連論文リスト
- A Trustworthy Multi-LLM Network: Challenges,Solutions, and A Use Case [59.58213261128626]
複数の大規模言語モデル(LLM)を信頼性のあるマルチLLMネットワーク(MultiLLMN)に接続するブロックチェーン対応協調フレームワークを提案する。
このアーキテクチャは、複雑なネットワーク最適化問題に対する最も信頼性が高く高品質な応答の協調評価と選択を可能にする。
論文 参考訳（メタデータ） (2025-05-06T05:32:46Z) - Scaling Autonomous Agents via Automatic Reward Modeling And Planning [52.39395405893965]
大規模言語モデル(LLM)は、様々なタスクにまたがる顕著な機能を示している。
しかし、彼らは多段階の意思決定と環境フィードバックを必要とする問題に苦戦している。
人間のアノテーションを使わずに環境から報酬モデルを自動的に学習できるフレームワークを提案する。
論文 参考訳（メタデータ） (2025-02-17T18:49:25Z) - Progressive Multimodal Reasoning via Active Retrieval [64.74746997923967]
多段階多モーダル推論タスクは、大規模言語モデル(MLLM)に重大な課題をもたらす
本稿では,MLLMの推論能力の向上を目的とした汎用フレームワークAR-MCTSを提案する。
我々は,AR-MCTSがサンプリングの多様性と精度を最適化し,信頼性の高いマルチモーダル推論を実現することを示す。
論文 参考訳（メタデータ） (2024-12-19T13:25:39Z) - Smurfs: Leveraging Multiple Proficiency Agents with Context-Efficiency for Tool Planning [14.635361844362794]
Smurfs'は、大規模言語モデルの応用に革命をもたらすために設計された最先端のマルチエージェントフレームワークである。
Smurfは、余分なコストなしで複雑なタスクを解くモデルの能力を高めることができる。
論文 参考訳（メタデータ） (2024-05-09T17:49:04Z) - RCAgent: Cloud Root Cause Analysis by Autonomous Agents with Tool-Augmented Large Language Models [46.476439550746136]
近年,クラウド根本原因分析(RCA)における言語モデル (LLM) の適用が活発に検討されている。
RCAgentは、実用的でプライバシに配慮した産業RCA利用のためのツール強化LDM自律エージェントフレームワークである。
RCAgentはGPTファミリではなく、内部的にデプロイされたモデル上で動作し、フリーフォームのデータ収集とツールによる包括的な分析を行うことができる。
論文 参考訳（メタデータ） (2023-10-25T03:53:31Z) - AgentBench: Evaluating LLMs as Agents [88.45506148281379]
大規模言語モデル(LLM)は、従来のNLPタスクを超えた現実的な実用的ミッションをターゲットとして、ますます賢く自律的になってきています。
我々は,現在8つの異なる環境からなるベンチマークであるAgentBenchを紹介し,LLM-as-Agentの推論と意思決定能力を評価する。
論文 参考訳（メタデータ） (2023-08-07T16:08:11Z)
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。