論文の概要: Explainable Runtime Dependency Tracking for AI-RAN Conflict Monitoring

• arxiv url: http://arxiv.org/abs/2606.06663v1
• Date: Thu, 04 Jun 2026 19:21:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.415581
• Title: Explainable Runtime Dependency Tracking for AI-RAN Conflict Monitoring
• Title（参考訳）: AI-RAN競合監視のための説明可能なランタイム依存性トラッキング
• Authors: Christie Djidjev, Nicholas Kaminski,
• Abstract要約: 将来のAI統合無線アクセスネットワーク(AI-RAN)は、オープンプログラム可能性と学習可能なxApp、rApp、共有パラメータとキーパフォーマンスインジケータ(KPI)に作用するコントロール機能を組み合わせる。 競合監視では、どのアプリケーションがデプロイされているかを知るだけでは十分ではなく、実行時診断によって仮定されるパラメータ--KPI依存性が、現在の運用体制の下で有効であるかどうかを知る必要がある。 本稿では,ストリーミングテレメトリイベントから解釈可能な依存性表現を追跡する,軽量なモニタリングプリミティブについて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Future AI-integrated Radio Access Networks (AI-RAN) will combine open programmability with learning-enabled xApps, rApps, and control functions that act on shared parameters and key performance indicators (KPIs). For conflict monitoring, it is not enough to know which applications are deployed; the system must also know whether the parameter--KPI dependencies assumed by runtime diagnosis remain valid under the current operating regime. This paper studies a lightweight monitoring primitive for that purpose: tracking an interpretable dependency representation from streaming telemetry events. We represent active dependencies by a Boolean matrix and use Boolean matrix multiplication to check whether recent parameter-activity and KPI-response events are consistent with the current estimate. We propose a sliding-window inference procedure that reuses the estimate when it remains consistent and recomputes it when recent observations indicate structural change. The tracker is intended as an explainable signal for conflict diagnosis and slow-loop model refresh, not as an autonomous mitigation mechanism. Experiments on controlled Boolean event streams show efficient and accurate tracking under dependency changes and Boolean observation noise.
• Abstract（参考訳）: 将来のAI統合無線アクセスネットワーク(AI-RAN)は、オープンプログラム可能性と学習可能なxApp、rApp、共有パラメータとキーパフォーマンスインジケータ(KPI)に作用するコントロール機能を組み合わせる。 競合監視では、どのアプリケーションがデプロイされているかを知るだけでは十分ではなく、実行時診断によって仮定されるパラメータ--KPI依存性が、現在の運用体制の下で有効であるかどうかを知る必要がある。 本稿では,ストリーミングテレメトリイベントから解釈可能な依存性表現を追跡する,軽量なモニタリングプリミティブについて検討する。 我々はBoolean行列によるアクティブな依存関係を表現し、Boolean行列乗法を用いて最近のパラメータ活性とKPI応答イベントが現在の推定値と一致しているかどうかを確認する。 本稿では,最近の観測結果から構造変化が示唆された場合,その推定値の一貫性が保たれれば再計算を行うスライディングウインドウ推論手法を提案する。 トラッカーは、自律的な緩和機構ではなく、競合診断とスローループモデルのリフレッシュのための説明可能な信号として意図されている。 制御されたBooleanイベントストリームの実験は、依存性変更下での効率的かつ正確なトラッキングとBoolean観測ノイズを示している。

関連論文リスト

• Event Detection for Parameter-to-KPI Dependency Learning for AI-RAN [0.0]
  次世代無線ネットワークは、異なるネットワーク目標を同時に最適化する、AI駆動の同時制御機能に依存することが期待されている。 これらの関数が相互作用すると、生のネットワークデータからのみ検出することが難しい方法で互いに干渉する可能性がある。 本稿では, ノイズの多い連続テレメトリをパラメータ・アクティビティと応答のバイナリ・インジケータに変換するために, イベント検出のステップに焦点をあてる。
  論文  参考訳（メタデータ） (2026-06-04T17:50:39Z)
• When Freshness Is Not Enough: Distribution-Aware Age of Information for Networked LQR Control [3.688414964949228]
  Age of Information (AoI) は無線更新システムの設計において中心的な指標となっている。 本稿では,ネットワーク制御システムにおいて,平均AoIの最小化が実際最適かどうかを検討する。
  論文  参考訳（メタデータ） (2026-06-03T02:22:46Z)
• Monitoring Data-aware Temporal Properties (Extended Version) [56.386411908764494]
  有限トレース上の任意のSMT理論に富む線形時間特性の予測モニタリングについて考察する。 この設定での予測モニタリングは非常に困難であり、監視状態はこれまでのトレースプレフィックスと可能な有限継続の両方に依存している。 本研究は,表現的フラグメントオフMTにおける特性モニタリングのための新しい基礎的枠組みの正しさを提示し,正式に証明するものである。
  論文  参考訳（メタデータ） (2026-05-14T10:23:11Z)
• 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)
• In Perfect Harmony: Orchestrating Causality in Actor-Based Systems [0.0]
  アクターベースのシステムは、実行時の検証に重大な課題をもたらす。 ACTORCHESTRAはErlangのランタイム検証フレームワークで、マルチアクターインタラクション間の因果関係を自動的に追跡する。 ACTORCHESTRAが現実のアクターシステムにおける複雑な行動違反の検出に有効であることを示す3つのケーススタディである。
  論文  参考訳（メタデータ） (2026-03-18T16:47:25Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)
• Runtime Instrumentation for Reactive Components (Extended Version) [0.0]
  リアクティブソフトウェアは、システムのリアクティブ属性を裏付けるインスツルメンテーションメソッドを要求する。 本稿では,この2つの要求を満たすアウトラインモニタのための分散インスツルメンテーションアルゴリズムであるRIARCを提案する。 RIARCは次のホップIPルーティングアプローチを使ってこれらの課題を克服し、イベントを再配置し、モニタに適切に報告する。
  論文  参考訳（メタデータ） (2024-06-28T13:18:04Z)
• Real-Time Driver Monitoring Systems through Modality and View Analysis [28.18784311981388]
  ドライバーの気晴らしが道路事故の主要な原因であることが知られている。 State-of-the-artメソッドはレイテンシを無視しながら精度を優先する。 本稿では,ビデオフレーム間の時間的関係を無視した時間効率な検出モデルを提案する。
  論文  参考訳（メタデータ） (2022-10-17T21:22:41Z)
• Online Reinforcement Learning Control by Direct Heuristic Dynamic Programming: from Time-Driven to Event-Driven [80.94390916562179]
  時間駆動学習は、新しいデータが到着すると予測モデルのパラメータを継続的に更新する機械学習手法を指す。 ノイズなどの重要なシステムイベントによる時間駆動型dHDPの更新を防止することが望ましい。 イベント駆動型dHDPアルゴリズムは,従来の時間駆動型dHDPと比較して動作することを示す。
  論文  参考訳（メタデータ） (2020-06-16T05:51:25Z)

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。