論文の概要: CLOUDADV: Decision-Aligned Instance Sizing with Zero-Shot Foundation Models under Drift

• arxiv url: http://arxiv.org/abs/2606.31470v1
• Date: Tue, 30 Jun 2026 10:49:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.183644
• Title: CLOUDADV: Decision-Aligned Instance Sizing with Zero-Shot Foundation Models under Drift
• Title（参考訳）: CLOUDADV:ゼロショットファウンデーションモデルを用いたディクシジョンアラインインスタンスサイズ
• Abstract要約: CLOUDADVは,ワークロードドリフト下でのクラウドインスタンスサイズ評価のための,対話型エンジニア向けアドバイザリシステムである。 各クエリに対して、CLOUDADVは、履歴利用、予測サマリ、現在のVMメタデータ、候補インスタンスオプション、価格、明示的なサイズから構造化された決定コンテキストを構築する。
• 参考スコア（独自算出の注目度）: 2.8210425632081546
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cloud virtual machines are often overprovisioned, creating avoidable cost and operational inefficiency. We present CLOUDADV, an interactive engineer-facing advisory system for cloud instance sizing under workload drift. The system combines zero-shot time-series forecasting with bounded recommendation generation across day-, week-, and month-scale planning horizons. For each query, CLOUDADV constructs a structured decision context from historical utilization, forecast summaries, current VM metadata, candidate instance options, pricing, and explicit sizing heuristics. A higher-capacity LLM is used offline to generate reference recommendations, while a smaller production model is evaluated on the same prompts to assess deployment-time alignment under latency and cost constraints. Evaluation prioritizes downstream recommendation quality using simulated Azure cost savings and ex-post exceedance, with rolling-origin forecast accuracy reported as a secondary diagnostic against classical and supervised baselines. In a case study of seven production VMs, the reference recommendations reduce simulated monthly cost from about \$1,503 to \$708, yielding \$795/month in savings (52.9%) under conservative heuristic constraints, while the highest observed exceedance rate among downgraded cases is 1.5%. Although Chronos-2 does not minimize every forecasting metric, it often induces recommendation patterns similar to those of a supervised per-VM baseline. These results suggest that zero-shot foundation models can support decision-aligned provisioning in non-stationary cloud environments while reducing the operational burden of repeated per-tenant retraining, revalidation, and redeployment.
• Abstract（参考訳）: クラウド仮想マシンはしばしばオーバープロビジョンされ、回避可能なコストと運用上の非効率を生み出す。 CLOUDADVは,ワークロードドリフト下でのクラウドインスタンスサイズ評価のための,対話型エンジニア向けアドバイザリシステムである。 このシステムは、ゼロショットの時系列予測と、日、週、月ごとの計画的地平をまたいだバウンドレコメンデーション生成を組み合わせる。 各クエリに対して、CLOUDADVは、履歴利用、予測サマリ、現在のVMメタデータ、候補インスタンスオプション、価格、明示的なサイズのヒューリスティックから構造化された決定コンテキストを構築する。 高容量のLLMはオフラインで参照レコメンデーションを生成するために使用され、より小さなプロダクションモデルは同一のプロンプトで評価され、レイテンシとコスト制約下でのデプロイメントタイムアライメントを評価する。 評価は、Azureのコスト削減とポストオーバーランスを模擬したダウンストリームレコメンデーション品質を優先し、古典的および教師付きベースラインに対する二次的な診断として、ローリングオリジン予測精度を報告した。 7つのプロダクションVMのケーススタディでは、基準レコメンデーションにより、シミュレーションされた月間コストが約1,503ドルから708ドルに削減され、保守的なヒューリスティックな制約の下では月795ドル/月(52.9%)となる。 Chronos-2はすべての予測基準を最小化しないが、教師付きVMベースラインと同様のレコメンデーションパターンをしばしば引き起こす。 これらの結果から,ゼロショット基礎モデルは,非定常クラウド環境における決定整合的プロビジョニングをサポートしつつ,テナント毎の再トレーニング,再評価,再デプロイの運用負担を軽減できることが示唆された。

関連論文リスト

• A Two-Stage Forecasting System for CPU Workload Prediction in Private Clouds [0.4202074945058886]
  本研究では、顧客サービス要求を最初に予測することで、この依存性を明示的にモデル化する2段階統合予測モデルを提案する。 提案手法は,10のアプリケーションからなるプライベートクラウド環境から収集した実世界のトレースを用いて評価した。
  論文  参考訳（メタデータ） (2026-09-03T07:15:44Z)
• Deep-MKV-TS: Path-Dependent McKean--Vlasov Control for Financial Time Series Generation [35.18016233072556]
  金融シナリオ生成のためのパス依存型McKean-VlasovフレームワークであるDeep-MKV-TSを紹介する。 解釈可能な参照モデルから始めると、Deep-MKV-TSは参照ドリフトを保存し、そのボラティリティを調整する。 これらの結果から,パス依存型McKean-Vlasov制御は,置き換えることなく解釈可能な参照モデルを拡張できることが示唆された。
  論文  参考訳（メタデータ） (2026-08-19T19:24:47Z)
• ScaleSense: Cost-Intelligent Scaling Framework via Learned Resource Estimation in Alibaba AnalyticDB [59.708423132520515]
  クラウドネイティブなサーバレスデータウェアハウスは、計算からストレージを分離することで、きめ細かい弾力性を達成する。 しかし、高度にヘテロジニアスなアドホッククエリに対する最適なリソース割り当てを決定することは、深刻な産業上の課題である。 プロアクティブでクエリレベルのリソーススケーリングフレームワークであるScaleSenseを提案する。
  論文  参考訳（メタデータ） (2026-08-08T06:10:35Z)
• Time series Foundation Models based on Physics-Informed Synthetic Histories for Cold-Start Photovoltaic Forecasting [45.753923525593045]
  評価は4つのデータセットと多様な気候体制にまたがる440ドルのPVサイトに及んでいる。 性能は、合成履歴源にはほとんど敏感であり、精度は特定の発生器よりも、可視的時間的文脈の可用性によってより引き起こされることを示している。
  論文  参考訳（メタデータ） (2026-06-05T17:05:19Z)
• Ratio-Variance Regularized Policy Optimization [64.95520246570446]
  ポリシ比の分散を明示的に制約することは、信頼領域の制約に対する原則的な局所近似をもたらすことを示す。 本稿では,この制約を実装したR2bf VPO$(Ratio-Variance Regularized Policy Optimization)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T09:53:42Z)
• $V_{0.5}$: Generalist Value Model as a Prior for Sparse RL Rollouts [81.48669089692189]
  一般値モデル(例えば$V_0.5$)は、コンテキスト内のモデル機能を明示的にエンコードすることで、事前訓練された値推定を実現する。 本稿では,このような値モデルにより予測されるベースラインと,スパースロールアウトから導出される経験的平均とを適応的に融合する$V_0.5$を提案する。 V_0.5$はGRPOとDAPOを大きく上回り、より高速な収束と約10%のパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2026-03-11T14:57:41Z)
• Fault-Tolerant Evaluation for Sample-Efficient Model Performance Estimators [13.227055178509524]
  本稿では, バイアスと分散を考慮した耐障害性評価フレームワークを提案する。 我々は、$varepsilon$の適切なキャリブレーションにより、異なる分散状態の信頼性が保証されることを示す。 実世界のデータセットの実験は、我々のフレームワークが推定器の振る舞いに関する包括的で実行可能な洞察を提供することを示した。
  論文  参考訳（メタデータ） (2026-02-06T22:14:46Z)
• Echo State Networks for Time Series Forecasting: Hyperparameter Sweep and Benchmarking [51.56484100374058]
  我々は、完全に自動で純粋にフィードバック駆動のESNが、広く使われている統計的予測手法の代替となるかどうかを評価する。 予測精度は、MASEとsMAPEを用いて測定され、ドリフトや季節予測、統計モデルといった単純なベンチマークと比較される。
  論文  参考訳（メタデータ） (2026-02-03T16:01:22Z)
• $V_0$: A Generalist Value Model for Any Policy at State Zero [80.7505802128501]
  ポリシーメソッドは、アクションの相対的な利点を測定するためにベースラインに依存します。 このベースラインは一般的に、政策モデルそのものと同じくらい大きな価値モデル(Critic)によって推定される。 未知のプロンプト上での任意のモデルの期待性能を推定できるジェネリスト値モデルを提案する。
  論文  参考訳（メタデータ） (2026-02-03T14:35:23Z)
• Contextual Linear Optimization with Partial Feedback [35.38485630117593]
  本研究では,異なるタイプのフィードバックを持つ文脈線形最適化(CLO)のためのオフライン学習アルゴリズムのクラスを提案する。 我々は,IERMに対して,不特定モデルクラスとフレキシブルな推定方法の選択を可能にする,新しい高速遅延境界を提供する。
  論文  参考訳（メタデータ） (2024-05-26T13:27:27Z)
• Regret-optimal Estimation and Control [52.28457815067461]
  後悔最適推定器と後悔最適制御器は状態空間形式で導出可能であることを示す。 非線形力学系に対するモデル予測制御(MPC)と拡張KalmanFilter(EKF)の残差最適類似性を提案する。
  論文  参考訳（メタデータ） (2021-06-22T23:14:21Z)
• A Predictive Autoscaler for Elastic Batch Jobs [8.354712625979776]
  Deep Learning、HPC、Sparkといった大規模なバッチジョブは、従来のオンラインサービスよりもはるかに多くの計算リソースとコストを必要とします。 顧客とオーバプロビジョンインスタンスに対して,柔軟なインターフェースを提供するための予測オートスケーラを提案する。
  論文  参考訳（メタデータ） (2020-10-10T17:35:55Z)
• Adaptive Control and Regret Minimization in Linear Quadratic Gaussian (LQG) Setting [91.43582419264763]
  我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。 LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
  論文  参考訳（メタデータ） (2020-03-12T19:56:38Z)

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。