論文の概要: Are LLMs Ready for Anti-Pattern Detection in Microservice Architectures?
- arxiv url: http://arxiv.org/abs/2606.26927v1
- Date: Thu, 25 Jun 2026 12:03:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.263808
- Title: Are LLMs Ready for Anti-Pattern Detection in Microservice Architectures?
- Title（参考訳）: LLMはマイクロサービスアーキテクチャにおけるアンチパターン検出の準備ができているか?
- Abstract要約: マイクロサービスシステムは、保守性、進化性、運用品質を妨げるアーキテクチャアンチパターン(AP)を繰り返す傾向があります。
本稿では,大規模言語モデル(LLM)がマイクロサービスアーキテクチャにおけるアーキテクチャアンチパターン検出をサポートする準備が整っているかを検討する。
- 参考スコア（独自算出の注目度）: 4.339839287869652
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Microservice systems are prone to recurrent architectural anti-patterns (APs) that hinder maintainability, evolvability, and operational quality. Most existing AP detection approaches rely on static analysis and handcrafted rules, which can be effective but are often tool-dependent, limited to explicitly encoded detection logic, and difficult to adapt to heterogeneous repositories. In this paper, we investigate whether large language models (LLMs) are ready to support architectural anti-pattern detection in microservice architectures through a prompt-based analysis pipeline over static repository artifacts. We evaluate three general-purpose LLMs on a curated benchmark of microservice repositories annotated with 16 architectural anti-patterns, and compare their performance against the state-of-the-art static-analysis tool MARS using a uniform evaluation protocol based on precision and recall. Our results show that LLMs can provide useful support for anti-pattern detection, achieving competitive performance on several anti-patterns, especially when the relevant evidence is local, heterogeneous, or semantically rich. At the same time, they exhibit clear limitations on anti-patterns that require explicit structural or cross-service dependency evidence, where static analysis remains more reliable. These findings suggest that LLMs are not yet a replacement for traditional analyzers, but already represent a promising complementary aid for architectural assessment in microservice systems.
- Abstract（参考訳）: マイクロサービスシステムは、保守性、進化性、運用品質を妨げるアーキテクチャアンチパターン(AP)を繰り返す傾向があります。
既存のAP検出アプローチの多くは静的解析と手作りのルールに依存しており、効果的だがツールに依存し、明示的に符号化された検出ロジックに制限され、異種リポジトリへの適応が困難であることが多い。
本稿では,大規模言語モデル(LLM)が静的リポジトリアーティファクト上でのプロンプトベースの解析パイプラインを通じて,マイクロサービスアーキテクチャにおけるアーキテクチャアンチパターン検出をサポートすることができるかどうかを検討する。
16のアーキテクチャアンチパターンをアノテートしたマイクロサービスリポジトリのベンチマークで3つの汎用LCMを評価し,その性能を,精度とリコールに基づく均一な評価プロトコルを用いて,最先端の静的解析ツールMARSと比較した。
以上の結果から,LLMはいくつかのアンチパターンに対して,特に局所的,異質的,意味的にリッチな場合において,競合性能を達成し,アンチパターン検出に有用なサポートを提供することが可能であることが示唆された。
同時に、静的分析をより信頼性の高いままで、明示的な構造的あるいはサービス間依存関係の証拠を必要とするアンチパターンに明確な制限を示す。
これらの結果は、LLMは従来のアナライザの代替ではなく、マイクロサービスシステムにおけるアーキテクチャアセスメントに対する有望な補完的支援であることを示している。
関連論文リスト
- Structural Validation of LLM-Generated Microservice Decompositions Using Source-Code Dependencies [0.2435875827602373]
モノリシックシステムをプロンプトに分解することは、ソフトウェアモダナイゼーションにおける重要な活動である。
本稿では,PetClinic および Bookstore システムにおいて OpenAI o3 が生成するマイクロサービス分解の構造的密着性を評価する。
論文 参考訳（メタデータ） (2026-07-30T15:00:21Z) - Hybrid Analysis for Secure MCP Tool Use in LLM Agents [77.68135853475535]
大規模言語モデル(LLM)エージェントにおけるMPPツールの使用を保護するためのハイブリッド分析に基づく防衛フレームワークを提案する。
MTGuardは、良質なユーザタスクのパフォーマンスを維持しながら、異なるLLMエージェント間での有害ツール使用の複数のカテゴリを効果的に緩和する。
論文 参考訳（メタデータ） (2026-07-28T05:17:34Z) - PROMISE: Proof Automation as Structural Imitation of Human Reasoning [15.113069562646302]
ProMISEは,証明状態遷移に対するステートフルな探索として,証明生成を再構成する構造認識フレームワークである。
複数のLLMバックエンドにまたがるSEL4ベンチマークのPROMISEを評価し,SeleneやRangoといった先行システムと比較した。
論文 参考訳（メタデータ） (2026-04-07T03:49:12Z) - AutoMIA: Improved Baselines for Membership Inference Attack via Agentic Self-Exploration [49.050688065974605]
メンバーシップ推論攻撃(MIAs)は、機械学習モデルにおけるトレーニングデータの漏洩を評価するための基本的な監査ツールである。
本稿では,自己探索と戦略進化の自動化プロセスとして,メンバーシップ推論を再構築するエージェントフレームワークであるAutoMIAを提案する。
論文 参考訳（メタデータ） (2026-04-01T15:17:45Z) - Can an LLM Detect Instances of Microservice Infrastructure Patterns? [0.8318686824572802]
MicroPADは、あらゆる言語で書かれたソフトウェアアーチファクトのアーキテクチャパターンを特定するツールである。
複数の言語やアーティファクトタイプにわたるパターンインスタンスを検出することができる。
認識可能な支配的なアーティファクトに関連するパターンが、より確実に検出された。
論文 参考訳（メタデータ） (2026-03-24T11:08:59Z) - The Unlearning Mirage: A Dynamic Framework for Evaluating LLM Unlearning [54.67958855362658]
複雑な構造化クエリを用いたアンラーニングテストを強調する動的フレームワークを提案する。
提案手法はまず,対象モデル(事前学習)から知識を抽出し,単純なクエリからマルチホップチェーンまで,対象プローブを構築する。
本フレームワークは,テストセットを手作業で構築することなく,非学習手法の実用的でスケーラブルな評価を可能にする。
論文 参考訳（メタデータ） (2026-03-11T19:51:33Z) - From Monolith to Microservices: A Comparative Evaluation of Decomposition Frameworks [1.516795490965608]
この研究は、静的、動的、ハイブリッド技術にまたがる最先端のマイクロサービス分解アプローチを統一的に評価する。
我々は,構造モジュール性(SM),インターフェース番号(IFN),インターパーティション通信(ICP),非エクストリーム分布(NED),関連指標を用いて,広く使用されているベンチマークシステム(JPetStore,AcmeAir,DayTrader,植物)の分解品質を評価する。
階層的なクラスタリングベースの手法、特にHDBScanは、ベンチマーク間で最も一貫したバランスの取れた分解を生成することを示している。
論文 参考訳（メタデータ） (2026-01-30T16:28:47Z) - CompassVerifier: A Unified and Robust Verifier for LLMs Evaluation and Outcome Reward [50.97588334916863]
評価と結果報酬のための正確で堅牢な軽量検証モデルであるCompassVerifierを開発した。
数学、知識、多種多様な推論タスクにまたがる多分野の能力を示し、様々な答えの型を処理する能力を示す。
我々は,複数のデータソースから収集したモデル出力からなるVerifierBenchベンチマークを導入し,メタエラーパターンを手動で解析してCompassVerifierを強化する。
論文 参考訳（メタデータ） (2025-08-05T17:55:24Z) - On Evaluating Performance of LLM Inference Serving Systems [11.712948114304925]
ベースラインフェアネス、評価設定、メトリックデザインの3つの重要な側面で繰り返し発生するアンチパターンを特定します。
これらのアンチパターンは、その二重相の性質のため、Large Language Model (LLM)推論に固有の問題である。
分析から得られた包括的なチェックリストを提供し、これらのアンチパターンを認識して回避するためのフレームワークを構築します。
論文 参考訳（メタデータ） (2025-07-11T20:58:21Z) - Benchmarks as Microscopes: A Call for Model Metrology [76.64402390208576]
現代の言語モデル(LM)は、能力評価において新たな課題を提起する。
メトリクスに自信を持つためには、モデルミアロジの新たな規律が必要です。
論文 参考訳（メタデータ） (2024-07-22T17:52:12Z) - ReEval: Automatic Hallucination Evaluation for Retrieval-Augmented Large Language Models via Transferable Adversarial Attacks [91.55895047448249]
本稿では,LLMベースのフレームワークであるReEvalについて述べる。
本稿では、ChatGPTを用いてReEvalを実装し、2つの人気のあるオープンドメインQAデータセットのバリエーションを評価する。
我々の生成したデータは人間可読であり、大きな言語モデルで幻覚を引き起こすのに役立ちます。
論文 参考訳（メタデータ） (2023-10-19T06:37:32Z)
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。