論文の概要: Making Deployments Safe at Meta: Health Checks for Continuous Change-Safety
- arxiv url: http://arxiv.org/abs/2608.20513v1
- Date: Thu, 20 Aug 2026 19:19:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.159511
- Title: Making Deployments Safe at Meta: Health Checks for Continuous Change-Safety
- Title（参考訳）: メタでのデプロイメントを安全にする - 継続的変更の安全性のためのヘルスチェック
- Abstract要約: 本稿では,Metaがこの緊張緩和に使用しているデプロイメント時間ヘルスチェックインフラストラクチャについて述べる。
この予防ベースの分散システムのサービスであるService Health Checkerのアーキテクチャを要約する。
ノイズや警告疲労,ドリフト,未発見の回帰といった,大規模に発生した運用上の問題について述べる。
- 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: Continuous deployment to large scale production systems creates a tension between release velocity and reliability. Every change is a potential reliability incident, yet every delay is a missed opportunity. This paper describes the deployment time health check infrastructure that Meta uses to mediate this tension across thousands of heterogeneous services. We summarize the architecture of this prevention based distributed system's service called Service Health Checker, explain how check authors compose templated metric queries, thresholds, and workflow predicates; and discuss how the system is integrated with tiered and phased rollouts so that regressions trigger automatic rollback. We then describe the operational problems that emerged at scale, such as noise, alert fatigue, drift, and uncovered regressions, and the program of measurement, tooling, and improved defaults we deployed to address them. We close with lessons learned from years of operating deployment health checks at Meta, and the directions we are exploring next, including AI assisted health check tuning. Index Terms: deployment safety, continuous deployment, monitoring, software reliability, release engineering, software reliability engineering, AIOps, anomaly detection
- Abstract（参考訳）: 大規模運用システムへの継続的デプロイメントは、リリース速度と信頼性の間に緊張を生じさせる。
すべての変更は潜在的な信頼性のインシデントですが、すべての遅延は機会の欠如です。
本稿では、Metaが数千の異種サービス間の緊張を仲介するために使用しているデプロイメント時間ヘルスチェックインフラストラクチャについて述べる。
この予防ベースの分散システムサービスであるService Health Checkerのアーキテクチャを要約し、チェック作成者がテンプレート付きメトリッククエリ、しきい値、ワークフローの述語を構成する方法を説明し、レグレッションが自動ロールバックを引き起こすように、システムが階層化されたロールアウトとフェーズ化されたロールアウトとどのように統合されているかについて議論する。
次に、ノイズ、アラートの疲労、ドリフト、未発見の回帰といった大規模に現れた運用上の問題と、それに対応するためにデプロイした計測、ツール、改善されたデフォルトのプログラムについて説明します。
私たちはMetaでの長年のデプロイメントヘルスチェックから学んだ教訓や、AIによるヘルスチェックのチューニングなど、今後の方向性について詳しく説明しています。
Index Terms: デプロイメントの安全性、継続的デプロイメント、監視、ソフトウェア信頼性、リリースエンジニアリング、ソフトウェア信頼性エンジニアリング、AIOps、異常検出
関連論文リスト
- ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step [74.83535434786145]
ScrambleToolBenchは,行動推論の分離を目的とした対話型端末ベンチマークである。
このベンチマークでは、エージェントがテストとエラーのインタラクションを通じて、隠されたツールの振る舞いを明らかにする必要がある。
現状の言語モデルに対する我々の評価は、初期発見が成功しても頑健な適応にはならないことを示している。
論文 参考訳（メタデータ） (2026-08-03T15:07:46Z) - Beyond Component Testing: Validating Agentic AI Systems [2.403279740172383]
エージェントAIシステムは、計画、ツールの使用、メモリ、インタラクション、適応を組み合わせた多段階の軌道を介して機能する。
本調査では,エージェント評価,ソフトウェア保証,サイバー物理システム,ランタイム監視,規制ガイダンスを対象とする257件の論文をまとめた。
論文 参考訳（メタデータ） (2026-07-31T13:24:34Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - Your Agents Are Aging Too: Agent Lifespan Engineering for Deployed Systems [60.79651380135334]
長寿命のAIエージェントは、永続的な運用システムとしてますますデプロイされる。
エージェントはデプロイ後、いつまで信頼できるのか?
エージェントライフスパンエンジニアリングのための縦型信頼性ベンチマークであるAgingBenchを紹介する。
論文 参考訳（メタデータ） (2026-05-25T19:55:12Z) - On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment [54.30690671490447]
既存の安全アライメント信号は、主に応答レベルまたは政治外である。
FATEは、検証済みの失敗を専門家のデモンストレーションなしで修復管理に変換する。
FATEは攻撃成功率を33.5%、有害なコンプライアンスを82.6%削減し、外的軌道安全診断を6.5%改善する。
論文 参考訳（メタデータ） (2026-05-12T09:56:28Z) - Test Before You Deploy: Governing Updates in the LLM Supply Chain [3.6704226968275253]
大規模言語モデル(LLM)は、ソフトウェアシステムの中核的な依存関係としてますます使われています。
LLMは明示的なバージョン変更なしにプロバイダ側の更新を通じて継続的に進化する。
本稿では,3つのコンポーネントをベースとしたデプロイメントサイドガバナンスフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-30T12:32:13Z) - Beyond Fluency: Toward Reliable Trajectories in Agentic IR [0.0]
本論文は, 産業用エージェントシステムで観測された故障モードを合成する。
安全なデプロイメントには、エンドポイントの正確性を超えて、軌道の整合性と因果属性に移行する必要がある、と我々は主張する。
論文 参考訳（メタデータ） (2026-04-05T21:20:57Z) - Behavioral Fingerprints for LLM Endpoint Stability and Identity [6.5886705394788665]
安定モニタは、固定されたプロンプトセットから出力をサンプリングすることで、エンドポイントを定期的にフィンガーする。
制御されたバリデーションでは、モデルファミリ、バージョン、推論スタック、量子化、行動パラメータの変更を検出する。
複数のプロバイダがホストする同じモデルの実世界のモニタリングでは、プロバイダ間および内部の安定性の相違がかなり観察される。
論文 参考訳（メタデータ） (2026-03-19T15:23:23Z) - Detecting Object Tracking Failure via Sequential Hypothesis Testing [80.7891291021747]
ビデオにおけるリアルタイムのオンラインオブジェクト追跡は、コンピュータビジョンにおける中核的なタスクである。
本稿では,物体追跡を逐次的仮説テストとして解釈することを提案する。
本研究では,地中追跡情報と内部追跡情報の両方を活用することにより,教師なしと教師なしの両方の変種を提案する。
論文 参考訳（メタデータ） (2026-02-13T14:57:15Z) - Agentic Observability: Automated Alert Triage for Adobe E-Commerce [0.0]
本稿では,Adobeのeコマースインフラ内に展開されるエージェント可観測性フレームワークについて述べる。
このフレームワークは、ReActパラダイムを使用して、自動で警告トリアージを実行する。
以上の結果から,エージェントAIは三重化遅延のオーダー・オブ・マグニチュード低減と,分解能のステップ・チェンジを可能にした。
論文 参考訳（メタデータ） (2026-01-31T20:20:02Z) - CARE: Decoding Time Safety Alignment via Rollback and Introspection Intervention [68.95008546581339]
Contrastive Decodingのような既存のデコーディングタイムの介入は、安全と応答品質の間に深刻なトレードオフを強いることが多い。
本稿では,3つの重要なコンポーネントを統合した,復号時安全アライメントのための新しいフレームワークであるCAREを提案する。
このフレームワークは、安全性、品質、効率のバランスが良く、有害な応答率が低く、ユーザエクスペリエンスを最小限に破壊できる。
論文 参考訳（メタデータ） (2025-09-01T04:50:02Z)
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。