งานวิจัยใหม่ชี้ LLM agents สำหรับ Root Cause Analysis ใน microservices ยังมีปัญหาเรื่องความแม่นยำและ context contamination

งานวิจัยล่าสุดจาก arXiv หลายชิ้นชี้ให้เห็นว่า LLM agents ที่ใช้ทำ Root Cause Analysis (RCA) ในระบบ microservices ยังเจอปัญหาใหญ่ ทั้งความแม่นยำต่ำเมื่อเจอ telemetry จริงจาก dataset อย่าง OpenRCA, การสะสม error ใน pipeline ที่ทำให้ผลลัพธ์สุดท้ายเพี้ยน, และ context contamination เมื่อ agent retry แล้วเอาความล้มเหลวครั้งก่อนกลับมาปนใน context ทำให้ error rate สูงขึ้น มีการเสนอ frameworks แก้ เช่น STAR ที่แบ่ง RCA workflow เป็น 4 stages แล้วซ่อม trace ที่ผิด, TopoEvo ที่ใช้ topology awareness เพื่อลด symptom-amplification bias, และ CCRM model ที่อธิบาย context contamination อย่างเป็นทางการ