論文の概要: FixItFlow: Automated Troubleshooting Guide Generation from Cloud Incidents

• arxiv url: http://arxiv.org/abs/2607.13035v1
• Date: Sun, 03 May 2026 08:20:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:12.999717
• Title: FixItFlow: Automated Troubleshooting Guide Generation from Cloud Incidents
• Title（参考訳）: FixItFlow: クラウドインシデントによるトラブルシューティングガイドの自動生成
• Abstract要約: 過去のインシデントデータからトラブルシューティングガイドを生成する自動システムであるFixItFlowを提案する。 このシステムは、エンジニアの行動から診断パターンを抽出し、検証されたコマンドで構造化されたガイドを合成し、製造されたコンテンツを防ぐために厳密な検証を実施する。
• 参考スコア（独自算出の注目度）: 3.9738806177615973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cloud services experience frequent incidents that require rapid diagnosis and resolution. Troubleshooting guides help engineers respond consistently, but creating them manually is labor-intensive, resulting in incomplete coverage and outdated documentation. We present FixItFlow, an automated system that generates troubleshooting guides from historical incident data using large language models. The system extracts diagnostic patterns from engineer actions, synthesizes structured guides with verified commands, and enforces strict validation to prevent fabricated content. In our evaluation with 26 engineers, generated guides achieved 61.5\% positive ratings for clarity and demonstrated a 2.3x reduction in mitigation time for incidents with associated guides. These results indicate that automated guide generation can improve incident response while reducing documentation burden on engineering teams.
• Abstract（参考訳）: クラウドサービスは、迅速な診断と解決を必要とする頻繁なインシデントを経験する。 トラブルシューティングガイドは、エンジニアが一貫した対応を支援するが、手作業による作成は労働集約的であり、不完全なカバレッジと時代遅れのドキュメントをもたらす。 我々は,大規模な言語モデルを用いた過去のインシデントデータからトラブルシューティングガイドを生成する自動システムであるFixItFlowを提案する。 このシステムは、エンジニアの行動から診断パターンを抽出し、検証されたコマンドで構造化されたガイドを合成し、製造されたコンテンツを防ぐために厳密な検証を実施する。 26名の技術者による評価において, 生成したガイドは, 明瞭度に対して61.5\%の肯定評価を達成し, 関連するガイドによる事象の緩和時間を2.3倍に短縮した。 これらの結果から,自動ガイド生成は,エンジニアリングチームのドキュメント負担を軽減しつつ,インシデント応答を改善することが可能であることが示唆された。

関連論文リスト

• Library-Aware Doubles and Iterative Repair for Large Language Model-Generated Unit Tests in OpenSIL Firmware [0.1284857579394658]
  本研究では,AMD が管理する Open-Source Silicon Initialization Library (openSIL) ファームウェアの UT 自動オーサリングワークフローを紹介する。 このワークフローは、テストスキャフォールドの自動生成、スタブ、モック、フェイクの自動作成または再利用、ビルドログとラインカバレッジフィードバックによって駆動される反復的なコンパイル/ディスパッチ修復ループを組み合わせる。 その結果,自動生成・再生パイプラインは,制約のあるファームウェア環境において,UT生成効率とカバレッジを大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2026-06-18T02:42:14Z)
• DocOS: Towards Proactive Document-Guided Actions in GUI Agents [54.27655693145045]
  textbfDocOSは、完全にインタラクティブな環境で文書誘導問題解決を評価するために設計されたベンチマークである。 実験の結果、エージェントはプロアクティブ検索中に関連情報を確実に見つけるのに苦労し、検索した指示を忠実に正確な行動に移すのに失敗することが判明した。
  論文  参考訳（メタデータ） (2026-05-18T08:36:04Z)
• LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
  大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。 CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
  論文  参考訳（メタデータ） (2026-05-02T11:31:33Z)
• DocSeeker: Structured Visual Reasoning with Evidence Grounding for Long Document Understanding [63.257540233507626]
  本稿では、構造化解析、局所化、推論のワークフローを実行するためにモデルを必要とするパラダイムを提案する。 ショートページトレーニングから超長文書への堅牢な一般化を示し、視覚的検索・拡張生成システムと自然に相乗効果を示す。
  論文  参考訳（メタデータ） (2026-04-14T14:39:26Z)
• Wink: Recovering from Misbehaviors in Coding Agents [6.794419834325995]
  ソフトウェア業界では、複雑なエンジニアリングタスクを自動化するために、自動コーディングエージェントがますます採用されている。 これらのエージェントは、ユーザの指示から逸脱したり、繰り返しループで立ち往生したり、ツールを正しく使わなかったりするなど、幅広い誤動作を起こしやすい。 本稿では,エージェントの誤動作から自動的に回復するシステムについて述べる。
  論文  参考訳（メタデータ） (2026-02-19T03:15:00Z)
• Automatic Generation of Formal Specification and Verification Annotations Using LLMs and Test Oracles [3.4742046772246837]
  110 Dafnyプログラムの実験では、Claude Opus 4.5 と GPT-5.2 を組み合わせたマルチモデルアプローチが、少なくとも8回の修正イテレーションで98.2%のプログラムに対して正しいアノテーションを生成した。 ロジスティック回帰分析では、証明-ヘルパーアノテーションが現在のLLMの難易度に不相応に寄与していることが示された。
  論文  参考訳（メタデータ） (2026-01-19T08:56:43Z)
• No More Manual Guides: Automatic and Scalable Generation of High-Quality Excel Tutorials [63.10037761131196]
  既存のチュートリアルは、専門家が手作業で作成し、ソフトウェアリリース毎に頻繁な更新が必要で、相当なコストがかかる。 自然言語タスク記述から直接Excelチュートリアルを自動生成する最初のフレームワークを提案する。 我々のフレームワークは、最先端のベースラインよりもタスク実行の成功率を8.5%向上させる。
  論文  参考訳（メタデータ） (2025-09-26T03:21:39Z)
• ViTAD: Timing Violation-Aware Debugging of RTL Code using Large Language Models [7.564898429501228]
  ViTADは、タイミング違反の根本原因を効率的に分析し、ターゲットとする修復戦略を動的に生成する手法である。 STDGに基づいて、違反経路解析を行い、大きな言語モデル(LLM)を用いて違反の根本原因を推測する。 LLMのみを用いたベースラインは54.38%であるのに対し,本手法はタイミング違反の修復において73.68%の成功率を達成した。
  論文  参考訳（メタデータ） (2025-08-18T16:41:32Z)
• Defining and executing temporal constraints for evaluating engineering artifact compliance [56.08728135126139]
  プロセスコンプライアンスは、実際のエンジニアリング作業が記述されたエンジニアリングプロセスに可能な限り密接に従うことを保証することに焦点を当てます。 これらのプロセスの制約をチェックすることは、依然として大変な作業であり、多くの手作業を必要とし、プロセスの後半にエンジニアにフィードバックを提供する。 関連するエンジニアリングアーティファクト間の時間的制約を,アーティファクトの変更毎に段階的にチェックする,自動制約チェックアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-20T13:26:31Z)
• Representing Timed Automata and Timing Anomalies of Cyber-Physical Production Systems in Knowledge Graphs [51.98400002538092]
  本稿では,学習されたタイムドオートマトンとシステムに関する公式知識グラフを組み合わせることで,CPPSのモデルベース異常検出を改善することを目的とする。 モデルと検出された異常の両方を知識グラフに記述し、モデルと検出された異常をより容易に解釈できるようにする。
  論文  参考訳（メタデータ） (2023-08-25T15:25:57Z)
• AI-Driven Road Maintenance Inspection v2: Reducing Data Dependency & Quantifying Road Damage [11.052502162865206]
  道路インフラの整備検査は、通常、全ての道路利用者の安全を確保するために労働集約的で重要な作業である。 道路損傷検出のためのラベルを生成するために,少数ショット学習やアウト・オブ・ディストリビューション検出といった手法を活用することで,自動ラベリングパイプラインを提案する。 これらの技術で訓練されたAIモデルは、人間のアノテーションの要求を減らした実世界のデータをより一般化するだけでなく、メンテナンスの緊急さを見積もることも示している。
  論文  参考訳（メタデータ） (2022-10-07T14:11:27Z)

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。