論文の概要: A Goal-Driven Survey on Root Cause Analysis

• arxiv url: http://arxiv.org/abs/2510.19593v1
• Date: Wed, 22 Oct 2025 13:43:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:15.839146
• Title: A Goal-Driven Survey on Root Cause Analysis
• Title（参考訳）: 根本原因分析におけるゴール駆動型調査
• Authors: Aoyang Fang, Haowen Yang, Haoze Dong, Qisheng Lu, Junjielong Xu, Pinjia He,
• Abstract要約: ルート原因分析(RCA)は、大規模クラウドサービスにおけるインシデント管理の重要な側面である。 本稿では,クラウドインシデント管理の文脈において,RCAに関する135の論文を効果的に分類・統合する,ゴール駆動型フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 12.428571968848196
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Root Cause Analysis (RCA) is a crucial aspect of incident management in large-scale cloud services. While the term root cause analysis or RCA has been widely used, different studies formulate the task differently. This is because the term "RCA" implicitly covers tasks with distinct underlying goals. For instance, the goal of localizing a faulty service for rapid triage is fundamentally different from identifying a specific functional bug for a definitive fix. However, previous surveys have largely overlooked these goal-based distinctions, conventionally categorizing papers by input data types (e.g., metric-based vs. trace-based methods). This leads to the grouping of works with disparate objectives, thereby obscuring the true progress and gaps in the field. Meanwhile, the typical audience of an RCA survey is either laymen who want to know the goals and big picture of the task or RCA researchers who want to figure out past research under the same task formulation. Thus, an RCA survey that organizes the related papers according to their goals is in high demand. To this end, this paper presents a goal-driven framework that effectively categorizes and integrates 135 papers on RCA in the context of cloud incident management based on their diverse goals, spanning the period from 2014 to 2025. In addition to the goal-driven categorization, it discusses the ultimate goal of all RCA papers as an umbrella covering different RCA formulations. Moreover, the paper discusses open challenges and future directions in RCA.
• Abstract（参考訳）: ルート原因分析(RCA)は、大規模クラウドサービスにおけるインシデント管理の重要な側面である。 根本原因分析(英: root cause analysis)またはRCA(英: RCA)という用語は広く用いられてきたが、異なる研究によってその課題が定式化されている。 これは、"RCA"という用語が、明確な目標を持つタスクを暗黙的にカバーしているためである。 例えば、迅速なトリアージのために障害のあるサービスをローカライズするという目標は、確定した修正のために特定の機能的なバグを特定することと根本的に異なる。 しかし、従来の調査では、これらの目標ベースの区別を概ね見落としており、従来は、論文を入力データ型(例えば、メートル法とトレース法)で分類していた。 これにより、異なる目的を持った作品がグループ化され、フィールドの真の進歩とギャップが隠される。 一方、RCA調査の典型的な参加者は、タスクの目標と全体像を知りたいレイメンか、同じタスクの定式化の下で過去の研究を把握したいRCA研究者である。 このように、目的に応じて関連論文を整理するRCA調査は、高い需要がある。 そこで本研究では,2014年から2025年にかけてのクラウドインシデント管理の状況において,RCAに関する135の論文を効果的に分類・統合する,目標駆動型フレームワークを提案する。 目標駆動分類に加えて、RCAの論文の最終的な目的を、異なるRCAの定式化をカバーする傘として論じる。 さらに,RCAにおけるオープンチャレンジと今後の方向性についても論じる。

関連論文リスト

• Characterizing Deep Research: A Benchmark and Formal Definition [24.523394260858822]
  本稿では,Deep Research (DR) タスクの形式的特徴付けと,DRシステムの性能評価のためのベンチマークを提案する。 ディープリサーチのコアとなる特徴は、レポートスタイルのアウトプットの生成ではなく、検索プロセスで必要となる概念に対する高いファンアウトである、と我々は主張する。
  論文  参考訳（メタデータ） (2025-08-06T08:09:28Z)
• CausalEval: Towards Better Causal Reasoning in Language Models [16.55801836321059]
  因果推論(CR)は知性の重要な側面であり、問題解決、意思決定、世界理解に不可欠である。 言語モデル(LM)は出力に対して有理性を生成することができるが、因果推論を確実に行う能力はいまだに不確実である。 因果推論のためのLMの強化を目的とした研究のレビューであるCausalEvalを紹介する。
  論文  参考訳（メタデータ） (2024-10-22T04:18:19Z)
• The Quest for the Right Mediator: Surveying Mechanistic Interpretability Through the Lens of Causal Mediation Analysis [51.046457649151336]
  本稿では,因果媒介分析に基づく解釈可能性研究の視点を提案する。 本稿では, 原因単位(メディエーター)の種類に応じて分類された解釈可能性の歴史と現状について述べる。 我々は,各メディエータの長所と短所について論じ,特定の種類のメディエータや検索手法が最適であるかどうかについての洞察を提供する。
  論文  参考訳（メタデータ） (2024-08-02T17:51:42Z)
• The Odyssey of Commonsense Causality: From Foundational Benchmarks to Cutting-Edge Reasoning [70.16523526957162]
  常識の因果関係を理解することは、人々が現実世界の原理をよりよく理解するのに役立ちます。 その重要性にもかかわらず、このトピックの体系的な探索は特に欠落している。 本研究の目的は、体系的な概要の提供、最近の進歩に関する学者の更新、初心者のための実践的なガイドを提供することである。
  論文  参考訳（メタデータ） (2024-06-27T16:30:50Z)
• 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)
• A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
  マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。 この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる 本調査では,I-CMRの3段階分類法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T05:06:48Z)

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。