論文の概要: A Self-Defining Operator for Distributed Applications

• arxiv url: http://arxiv.org/abs/2610.14547v2
• Date: Wed, 14 Oct 2026 06:00:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.065188
• Title: A Self-Defining Operator for Distributed Applications
• Title（参考訳）: 分散アプリケーションのための自己決定演算子
• Abstract要約: 本稿では、その動作とメモリを更新することで、時間とともに改善する自己定義演算子(SDO)を提案する。 SDOがインシデントを解決すると、その体験をプレイブックに蒸留し、将来のインシデントに対する再利用可能な診断手順を記述する。 SDOは連続して検知器を実行し、1回の発射時にのみLDMを起動するので、トークンのコストは運用時間ではなくインシデントカウントでスケールする。
• 参考スコア（独自算出の注目度）: 42.03894272206474
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To operate distributed applications with high availability, operators must rapidly diagnose and mitigate any incident. LLM-based agents can help, but unlike experienced human operators they do not improve as they handle more incidents. Each investigation starts from scratch, re-deriving likely causes and re-testing hypotheses even when a similar fault was resolved in the past. We present a self-defining operator (SDO) that improves with time by updating its operational behavior and memory. When SDO resolves an incident, it distills that experience into playbooks, which describe reusable diagnostic instructions for future incidents with similar faults, and detectors, scripts that take application telemetry as input and output relevant playbook(s). SDO continuously runs the detectors and invokes LLMs only when one fires, so its token cost scales with incident count rather than with operational time. Across 11 open-source microservice applications, SDO cuts resolution time by 52% on recurring faults while keeping per-incident cost low. SDO is open source at https://github.com/self-defining-systems/sdo.
• Abstract（参考訳）: 高可用性で分散アプリケーションを運用するには、オペレータは、インシデントを迅速に診断し、緩和する必要がある。 LLMベースのエージェントは役に立つが、経験豊富な人間のオペレーターとは異なり、より多くのインシデントを扱うため改善はしない。 各調査は、過去に同様の障害が解決された場合でも、スクラッチから始まり、潜在的な原因を導出し、仮説を再テストする。 本稿では、その動作とメモリを更新することで、時間とともに改善する自己定義演算子(SDO)を提案する。 SDOは、インシデントを解決したとき、その経験を、同様の障害を伴う将来のインシデントに対する再利用可能な診断命令を記述するプレイブックや、アプリケーションテレメトリを入力として、関連するプレイブックを出力するスクリプトに精算する。 SDOは連続して検知器を実行し、1回の発射時にのみLDMを起動するので、トークンのコストは運用時間ではなくインシデントカウントでスケールする。 11のオープンソースマイクロサービスアプリケーションを通じて、SDOは、インシデント毎のコストを低く保ちながら、繰り返し発生する障害の解決時間を52%削減する。 SDOはhttps://github.com/self-defining-systems/sdoでオープンソースとして公開されている。

関連論文リスト

• Runtime Execution Traces Guided Automated Program Repair with Multi-Agent Debate [8.424102114588559]
  自動プログラム修復(APR)は複雑なロジックエラーとサイレント障害に悩まされる。 現在のLLMベースのAPRメソッドは主に静的であり、ソースコードと基本的なテスト出力に依存している。 我々は、パッチ検証のための共有制約としてランタイム事実を活用するマルチエージェントフレームワークであるTraceRepairを提案する。
  論文  参考訳（メタデータ） (2026-04-03T02:23:25Z)
• Get my drift? Catching LLM Task Drift with Activation Deltas [55.75645403965326]
  タスクドリフトは攻撃者がデータを流出させたり、LLMの出力に影響を与えたりすることを可能にする。 そこで, 簡易線形分類器は, 分布外テストセット上で, ほぼ完全なLOC AUCでドリフトを検出することができることを示す。 このアプローチは、プロンプトインジェクション、ジェイルブレイク、悪意のある指示など、目に見えないタスクドメインに対して驚くほどうまく一般化する。
  論文  参考訳（メタデータ） (2024-06-02T16:53:21Z)

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。