arXiv cs.MA· Pradipta Ghosh, Gaurav Mitra, Shripad Nadgowda, Akshil Shah, Junyu Liu, Canturk Isci, Syamla Bandla, Xinyao Hu, Onkar Deshpande, Anik Dasgupta·· 2 天前AI 评分32
Diviner：面向大规模基础设施、由人类治理自适应调整的智能体根因分析系统
Diviner: Agentic RCA with Human-Governed Adaptation for Large-Scale Infrastructure
AI 导读
Meta 提出智能体根因分析系统 Diviner，围绕 Encode、Execute、Evaluate、Adapt 四阶段可靠性生命周期运行，用经过审核的事件语料和服务负责人经验构建带版本范围的技能、工作流、类型化工具与事件知识图谱。
正文 · AI 翻译
摘要：大规模分布式系统中的根因分析（RCA）极具挑战性，因为单一症状可能跨越服务、数据、配置、计算和组织边界。响应人员必须汇集不完整的证据，并协调掌握因果路径不同部分的专家。通用语言模型智能体仅靠工具访问无法解决这一问题：它们可能使用过时或时机不当的上下文，将失败的查询解读为症状缺失，报告无依据的系统状态，并使为人类节奏使用而设计的可观测性服务过载。
我们提出 Diviner（Domain-Informed Verifiable Incident Navigation through Evidence and Review，基于证据与评审的领域知情可验证事故导航），这是一个在 Meta 运行、围绕四阶段可靠性生命周期组织的智能体 RCA 系统。Encode 将大量经过评审的事故语料库与服务负责人专业知识相结合，生成有范围界定、带版本的技能、工作流、类型化工具以及事故知识图谱。Execute 使用自适应 Lead 和上下文隔离的 worker，将相关知识应用于时点证据，并维护与证据关联的假设。Evaluate 将保存的调查轨迹与响应人员评审的结果进行比较，以衡量确切原因、有用方向和 Groundedness。Adapt 利用反复出现的缺口和值班反馈，得出聚焦的运维知识更新，仅在重放、质量检查和负责人批准后才予以采纳。
| Subjects: | 人工智能（cs.AI）；多智能体系统（cs.MA） |
| Cite as: | arXiv:2610.21281 [cs.AI] |
| （或 arXiv:2610.21281v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21281 arXiv 颁发的 DOI 通过 DataCite（待注册） |
Submission history
来自：Pradipta Ghosh [查看电子邮件]
[v1]
2026年10月15日星期四 05:20:23 UTC（4,985 KB）
来源：arXiv cs.MA · arxiv.org