論文の概要: Wherefore Art Thou? Provenance-Guided Automatic Online Debugging with Lumos
- arxiv url: http://arxiv.org/abs/2603.29013v1
- Date: Mon, 30 Mar 2026 21:19:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:02.869726
- Title: Wherefore Art Thou? Provenance-Guided Automatic Online Debugging with Lumos
- Title（参考訳）: アート・チュー」とは何か? ルーモスによるオンラインデバッグ
- Authors: Jingyuan Chen, Lei Zhang, Leon Schuermann, Gongqi Huang, Ravi Netravali, Amit Levy,
- Abstract要約: Lumosは、アプリケーションレベルのバグ前例を公開するオンラインフレームワークである。
これにより、開発者はバグの根本原因を特定するのに十分なエビデンスを得られると同時に、実行時のオーバーヘッドも少なくなります。
- 参考スコア（独自算出の注目度）: 20.64959492675666
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Debugging distributed systems in-production is inevitable and hard. Myriad interactions between concurrent components in modern, complex and large-scale systems cause non-deterministic bugs that offline testing and verification fail to capture. When bugs surface at runtime, their root causes may be far removed from their symptoms. To identify a root cause, developers often need evidence scattered across multiple components and traces. Unfortunately, existing tools fail to quickly and automatically record useful provenance information at low overheads, leaving developers to manually perform the onerous evidence collection task. Lumos is an online debugging framework that exposes application-level bug provenances--the computational history linking symptoms of an incident to their root causes. Lumos leverages dependency-guided instrumentation powered by static analysis to identify program state related to a bug's provenance, and exposes them via lightweight on-demand recording. Lumos provides developers with enough evidence to identify a bug's root cause, while incurring low runtime overhead, and given only a few occurrences of a bug.
- Abstract（参考訳）: 分散システムの本番環境でのデバッグは必然的かつ困難です。
現代の、複雑な、大規模システムにおける同時コンポーネント間の無数の相互作用は、オフラインテストと検証がキャプチャーに失敗する非決定論的バグを引き起こす。
実行時にバグが表面化すると、その根本原因は症状から遠く離れてしまう可能性がある。
根本原因を特定するには、開発者は複数のコンポーネントやトレースに散在する証拠を必要とすることが多い。
残念なことに、既存のツールは、有効な証明情報を低オーバーヘッドで迅速かつ自動的に記録することができず、開発者は手動で面倒なエビデンス収集タスクを実行せざるを得ない。
Lumosはオンラインデバッグフレームワークで、アプリケーションレベルのバグ発生を露呈する。
Lumosは、静的解析をベースとした依存性誘導インスツルメンテーションを活用して、バグの発端に関連するプログラム状態を識別し、軽量なオンデマンド記録を通じて公開する。
Lumosは、バグの根本原因を特定するのに十分な証拠を開発者に提供すると同時に、ランタイムのオーバーヘッドが低く、バグの発生はわずかである。
関連論文リスト
- Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - AgentTrace: Causal Graph Tracing for Root Cause Analysis in Deployed Multi-Agent Systems [0.0]
本稿では,デプロイされたマルチエージェントAIシステムにおけるポストホック障害診断のための軽量因果トレースフレームワークであるAgentTraceを紹介する。
AgentTraceは、実行ログから因果グラフを再構築し、エラー発生から後方にトレースし、解釈可能な構造信号と位置信号を使って候補根本原因をランク付けする。
この結果から,因果トレースはエージェントシステムの信頼性と信頼性を向上させるための実践的な基盤となることが示唆された。
論文 参考訳（メタデータ） (2026-03-16T00:46:44Z) - Automated Multi-Source Debugging and Natural Language Error Explanation for Dashboard Applications [0.0]
本稿では,自動多ソース・自然言語誤り記述システムを提案する。
提案するフレームワークは,ブラウザ,API,サーバログなどの異なるソースからのエラーデータを自動で収集,関連付けし,APIコントラクトをリアルタイムで検証する。
このアプローチは、サポートエンジニアに対する平均分解時間を大幅に削減し、暗号化エラーコードを実用的な洞察に変換することによって、ユーザエクスペリエンスを向上させる。
論文 参考訳（メタデータ） (2026-02-17T05:06:28Z) - SysPro: Reproducing System-level Concurrency Bugs from Bug Reports [3.789798997996016]
システムレベルのバグを再現するには、入力データとシステム呼び出しの正確なインターリーブ順序の両方が必要である。
既存のツールは、システムコールレベルで特定のインターリーブを管理することができないため、これらのバグを再現するには不十分です。
本稿では,バグレポートから関連するシステムコール名を自動抽出し,ソースコード内の位置情報を識別するSysProを提案する。
論文 参考訳（メタデータ） (2026-01-14T16:40:08Z) - InspectCoder: Dynamic Analysis-Enabled Self Repair through interactive LLM-Debugger Collaboration [71.18377595277018]
大きな言語モデル(LLM)は、診断が難しい複雑なロジックエラーを伴うバグの多いコードを生成することが多い。
対話型デバッガ制御による動的解析を LLM に委ねる初のエージェントプログラム修復システムである InspectCoder を提案する。
論文 参考訳（メタデータ） (2025-10-21T06:26:29Z) - Demystifying deep search: a holistic evaluation with hint-free multi-hop questions and factorised metrics [89.1999907891494]
We present WebDetective, a benchmark of hint-free multi-hop questions with a control Wikipedia sandbox。
25の最先端モデルに対する我々の評価は、すべてのアーキテクチャにまたがる体系的な弱点を明らかにしている。
私たちはエージェントワークフローであるEvidenceLoopを開発し、ベンチマークが特定する課題を明示的にターゲットしています。
論文 参考訳（メタデータ） (2025-10-01T07:59:03Z) - Where LLM Agents Fail and How They can Learn From Failures [62.196870049524364]
大規模言語モデル(LLM)エージェントは、複雑なマルチステップタスクの解決において有望であることを示す。
単一ルート原因エラーがその後の決定を通じて伝播する、障害のカスケードに対する脆弱性を増幅する。
現在のシステムは、モジュール的で体系的な方法でエージェントエラーを包括的に理解できるフレームワークを欠いている。
AgentErrorTaxonomyは、メモリ、リフレクション、計画、アクション、システムレベルの操作にまたがる障害モードのモジュール分類である。
論文 参考訳（メタデータ） (2025-09-29T18:20:27Z) - FVDebug: An LLM-Driven Debugging Assistant for Automated Root Cause Analysis of Formal Verification Failures [8.530369312832084]
障害トレースを実行可能な洞察に変換するインテリジェントなシステムであるFV Debugを紹介します。
提案手法は,(1)非巡回グラフに障害トレースを構造化する因果グラフ合成,(2)不審なノードの特定を促すバッチ型Large Language Model (LLM)解析を用いたグラフスキャナ,(3)高レベルの因果説明を生成するためのエージェント的物語探索を活用したInsight Roverを特徴とする。
論文 参考訳（メタデータ） (2025-09-16T20:22:10Z) - VeriBug: An Attention-based Framework for Bug-Localization in Hardware
Designs [2.807347337531008]
近年,様々な用途を対象としたSystem-on-Chip設計の規模と複雑さが指数関数的に増大している。
これらのシステムにおける未検出バグのコストは、従来のプロセッサシステムよりもはるかに高い。
本稿では,近年のディープラーニングの進歩を活用してレジスタ・トランスファーレベルのデバッグを高速化するVeriBugを提案し,根本原因の可能性のある説明を生成する。
論文 参考訳（メタデータ） (2024-01-17T01:33:37Z)
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。