# LLMRCA [[Gou Tan]]・[[Pengfei Chen]] ら([[Sun Yat-sen University]])が開発した LLM アプリケーション向けマルチレベル根本原因分析フレームワーク。異種因果グラフ(インスタンス・メトリクス・ログ・コンテキストの 4 種ノード)と Residual Graph Attention(ResGAT)オートエンコーダを組み合わせ、アプリケーション性能(AP)障害と応答品質(RQ)障害を統合診断する。GitHub: `IntelligentDDS/LLMRCA`。(Source: [[@2026__TOSEM__LLMRCA - Multilevel Root Cause Analysis for LLM Applications Using Multimodal Observability Data]]) ## 主な特徴 - **コンテキストノード**: LLM 固有のプロンプト構造・トークン統計・検索文書関連性スコアを因果グラフに組み込む - **XGBoost 回帰分類器**: 出力トークン数から「理論的正常応答時間」を予測し、リクエストを複数クラスに分類して応答時間不安定問題を解消 - **ResGAT オートエンコーダ**: 正常グラフの再構成誤差分布を学習し、異常時の Z スコアで根本原因をランキング - **階層的検証器**: 葉ノード条件・異常伝播パス確認・コンポーネント祖先優先ソートで偽陽性を削減 ## 性能(ACM TOSEM 2026 論文より) - AP コンポーネントレベル HR@1: 73.33%(単一タイプ)/ 65.90%(複数タイプ) - AP インナーコンポーネントレベル HR@1: 65.16% / 61.47% - RQ HR@1: 92.86% / 91.19% - ベースライン 8 手法(MonitorRank・Nezha 等)に対し最大 5.1 倍改善