# GALA GALA(Graph-Augmented Large Language Model Agentic Workflow)は、[[University of Toronto]] の [[Yifang Tian]]・[[Yaming Liu]]・[[Zichun Chong]]・[[Zihang Huang]]・[[Hans-Arno Jacobsen]] が提案したマイクロサービス RCA フレームワーク(arXiv 2025-08-17)。 統計的因果推論を初期仮説として生成し、マルチモーダルテレメトリ(メトリクス・ログ・トレース)を「統一表現に圧縮せず保持する」モダリティ保存型設計のもとで、LLM エージェントが反復的に根本原因を絞り込む 4 フェーズ構成を採る。 ## 構成 1. **フェーズ I: 初期仮説生成** — メトリクスベース因果推論 + [[TWIST]]トレースベーススコアリングで 2 系統の初期ランキングを生成 2. **フェーズ II: ポッド中心診断合成** — 各候補ポッドのテレメトリを「時系列性能プロファイル・サービス依存サブグラフ・エラー中心ログ抽象化」の診断バンドル D_i に変換 3. **フェーズ III: LLM エージェント推論・再順位付け** — Re-ranking Agent(コントローラー)と Deep Dive Agent(ワーカー)が ReAct ループで反復的に仮説を精緻化(最大 6 イテレーション) 4. **フェーズ IV: 最終出力** — Remediation Agent が最終ランキング・インシデント要約・対応推奨事項を生成 ## 実験成績 - RCAEval RE2-OnlineBoutique(90 シナリオ)で AC@1 最大 42.22%(GALA(BARO, GPT-4.1-mini)) - ベースライン BARO(14.44%)・CausalRCA(26.67%)を大幅に上回る - SURE-Score 平均 4.31(ベースライン 3.78)——因果的整合性(4.42 vs 3.41)とインシデント特異性(4.30 vs 3.10)で特に優位 ## 関連 - ソース: [[@2025__arXiv__GALA - Can Graph-Augmented Large Language Model Agentic Workflows Elevate Root Cause Analysis]] - 開発者: [[Yifang Tian]] / [[Hans-Arno Jacobsen]] / [[University of Toronto]] - 評価ベンチマーク: [[RCAEval]] - 関連手法: [[TWIST]] / [[SURE-Score]] - 親概念: [[LLMによる根本原因分析]] / [[グラフベースRCA]] / [[マルチエージェント協調]]