# Pinjia He [[The Chinese University of Hong Kong, Shenzhen]] の研究者([email protected])。障害伝播を意識した RCA ベンチマーク論文([[@2025__arXiv__Rethinking the Evaluation of Microservice RCA with a Fault Propagation-Aware Benchmark]])の corresponding author。第一著者は [[Aoyang Fang]]。 - マイクロサービス RCA・ソフトウェア工学・障害診断の研究に従事。本論文では既存ベンチマークの評価妥当性を問い直し、SimpleRCA と障害伝播を意識した新ベンチマークを提示した。 - [[OpenRCA]] 論文([[@2025__ICLR__OpenRCA - Can Large Language Models Locate the Root Cause of Software Failures]], ICLR 2025)では指導教員として corresponding author の一人を務めた(筆頭は学生の [[Junjielong Xu]]、もう一人の corresponding は [[Microsoft]] の [[Shilin He]])。LLM の RCA ベンチマークという点で本人の RCA 評価研究と一貫する。(Source: [[@2025__ICLR__OpenRCA - Can Large Language Models Locate the Root Cause of Software Failures]]) - また MRCA([[@2024__ASE__MRCA - Metric-level Root Cause Analysis for Microservices via Multi-Modal Data]])では、マルチモーダルデータ(ログ・トレース・メトリクス)と VAE・Q 学習を組み合わせたメトリクスレベル RCA を指導し、対応著者として ASE 2024 に発表した。第一著者は [[Yidan Wang]]。Drain ログパーサは Pinjia He 自身の先行研究(ICWS 2017)を活用している。(Source: [[@2024__ASE__MRCA - Metric-level Root Cause Analysis for Microservices via Multi-Modal Data]]) - HeMiRCA([[@2024__TOSEM__HeMiRCA - Fine-Grained Root Cause Analysis for Microservices with Heterogeneous Data Sources]], TOSEM 2024)の対応著者。第一著者は [[Zhouruixing Zhu]]。トレースから VAE で生成した異常スコアとメトリクス時系列の Spearman 相関を利用する最初の教師なし細粒度 RCA フレームワークを提案した。TrainTicket・SocialNetwork の 2 データセットでサービスレベル HR@1=82.7%・71.3%、メトリクスレベル HR@1=74.0%・68.9% を達成し、最先端を大幅に上回った。(Source: [[@2024__TOSEM__HeMiRCA - Fine-Grained Root Cause Analysis for Microservices with Heterogeneous Data Sources]]) - OpenRCA の後続研究 OpenRCA 2.0([[@2026__arXiv__OpenRCA 2.0 - From Outcome Labels to Causal Process Supervision]])でも corresponding author を務めた。第一著者は継続して [[Aoyang Fang]]。既存ベンチマークが根本原因ラベルのみで因果伝播経路を記録しない限界を指摘し、障害注入の既知介入を利用した段階的因果ラベリング PAVE と cross-system ベンチマーク OpenRCA 2.0(500 インスタンス)を提示した。(Source: [[@2026__arXiv__OpenRCA 2.0 - From Outcome Labels to Causal Process Supervision]]) - トレースサンプリング分野にも進出し、Gleaner([[@2026__ISSTA__Gleaner : A Semantically-Rich and Efficient Online Sampler for Microservice Diagnostics]]、ISSTA 2026 採択)の corresponding author を務めた。第一著者は [[Yifan Yang]]、共著者に [[Aoyang Fang]]・[[Songhan Zhang]]。トレースを「bag-of-edges」(EPS)として表現しグラフ構造解析を集合演算に置き換えることで、ログ意味論を考慮したオンラインテールサンプリングを実現し、RCA 精度がサンプリング済みデータで全量データを上回りうることを示した——同氏自身の RCA 研究群(MRCA・HeMiRCA・OpenRCA)が下流側の診断精度を追求してきたのに対し、Gleaner は上流のデータキュレーション側からも診断精度を改善できることを示す対となる研究といえる。(Source: [[@2026__ISSTA__Gleaner : A Semantically-Rich and Efficient Online Sampler for Microservice Diagnostics]]) ## 関連 - 本ソース: [[@2025__arXiv__Rethinking the Evaluation of Microservice RCA with a Fault Propagation-Aware Benchmark]] / [[@2025__ICLR__OpenRCA - Can Large Language Models Locate the Root Cause of Software Failures]] / [[@2024__ASE__MRCA - Metric-level Root Cause Analysis for Microservices via Multi-Modal Data]] / [[@2024__TOSEM__HeMiRCA - Fine-Grained Root Cause Analysis for Microservices with Heterogeneous Data Sources]] / [[@2026__arXiv__OpenRCA 2.0 - From Outcome Labels to Causal Process Supervision]] / [[@2026__ISSTA__Gleaner : A Semantically-Rich and Efficient Online Sampler for Microservice Diagnostics]] - 所属: [[The Chinese University of Hong Kong, Shenzhen]] / [[Shenzhen Research Institute of Big Data]] - 共著: [[Aoyang Fang]] / [[Junjielong Xu]] / [[Shilin He]] / [[Yidan Wang]] / [[Zhouruixing Zhu]] / [[Qiuai Fu]] / [[Yuchi Ma]] / [[Yifan Yang]] / [[Songhan Zhang]] - 関連概念: [[根本原因分析]] / [[障害注入]] / [[SRE Benchmark]] / [[異常検知]] / [[マルチモーダル障害診断]] / [[RCA評価設計]] / [[トレースサンプリング]] - ソース: [[@2026__arXiv__Beyond Fault Localization - A Trajectory-Level Study of LLM Agents for Microservice Root Cause Analysis]] ## 出典 - [[@2026__arXiv__Beyond Fault Localization - A Trajectory-Level Study of LLM Agents for Microservice Root Cause Analysis]](co-corresponding author。DiagGuard の提案を主導)