# DiagGuard [[@2026__arXiv__Beyond Fault Localization - A Trajectory-Level Study of LLM Agents for Microservice Root Cause Analysis]] が提案する、二段階の defense-in-depth 型 RCA エージェントアーキテクチャ。同論文の RQ3 失敗タクソノミー(Protocol omissions / Semantic misreads / General reasoning)を設計仕様として読み替え、素の推論ループが同時に抱える under-grounded(収集していない証拠や捏造した状態への結論づけ)と under-verified(コミット前の再検証の欠如)という 2 つの構造的欠陥を、専用の防御で塞ぐ。 - **構成**: 推論コアの Diagnostician([[ThinkDepth.ai]] を [[AIOps Challenge 2025]] のテレメトリインターフェースに適合させたもの)を、Grounder(箇所特定前に distinct values・より広い証拠を体系的に提示する接地防御)と Verifier(コミット前の診断的規律の自己監査・健全性チェックを行う検証防御)の 2 つの answer-agnostic な防御で包む。各チェックは特定のマイニングされた失敗モードから対応づけられ、検証実行前に固定される。 - **held-out 検証結果**: 異なるバックボーンモデル(doubao-seed-2.0-pro)・データセット([[AIOps Challenge 2025]])・サービストポロジーの held-out 設定で、Acc@1 を 43.5% から 52.5%(+9.0pp)、pass@3 を 56.9% から 67.1%(+10.2pp)、pass@5 を 62.3% から 73.0%(+10.7pp)に改善した。改善は 9 種の障害タイプすべてで一貫しており、タイプ別の増分は +1.0pp(DNS)から +20.8pp(I/O)まで幅がある。 - **コンポーネント寄与**: Grounder 単体(w/o Verifier)は Acc@1 +4.5pp、Verifier 単体(w/o Grounder)は +4.1pp とほぼ同等の寄与を示し、両方揃った完全版は +9.0pp とほぼ加算的な利得を持つ。最もコストのかかる構成(w/o Grounder、343.8ktok)が最も利得が小さく、フルスタックはそれより少ない予算(318.5ktok)で最大の利得を得る点で、Grounder の幅と Verifier の規律は相補的かつ非冗長と分析されている。 ## 関連 - 本ソース: [[@2026__arXiv__Beyond Fault Localization - A Trajectory-Level Study of LLM Agents for Microservice Root Cause Analysis]] - 提案者: [[Qisheng Lu]] / [[Aoyang Fang]] / [[Pinjia He]] - 推論コア: [[ThinkDepth.ai]] - 検証対象: [[AIOps Challenge 2025]] - 関連概念: [[LLMによる根本原因分析]] / [[根本原因分析]]