# 矛盾索引 Navigation: [[index]] | [[conventions]] `python3 scripts/contradiction-index.py --write` が生成する。手で編集しない。callout を書いたら、または lint の前に再生成する。状態は本文の見出し語からの推定であり、callout 本文に `(status: explained)` / `(status: open)` を書けば上書きできる。検索は `python3 scripts/contradiction-index.py --query <語>...`。 ## 概要 - callout 99 件 / 保持頁 88 頁。未決着(推定)84、説明済み(推定)15。 - 保持頁の種別: concept 27 / entity 20 / source 40 / survey 12 - 片側のみの候補: 115 対(§5 は矛盾を両頁に残す。候補であって違反の断定ではない)。 ## 未決着(推定) | 保持頁 | 節 | 主題 | 関係する頁 | 出典 | |---|---|---|---|---| | [[AlexNet]] | 教科書から見た位置づけ | 層数の数え方 | — | [[@2022__Gihyo__ディープラーニングを支える技術 - Chapter 1 ディープラーニングと人工知能]]、[[@2026__30papers__ImageNet Classification with Deep Convolutional Neural Networks]] | | [[DevOps]] | 定義 | DevOpsの誕生時期をめぐる食い違い | — | [[@2026__mizzy.org__DevOpsとは何だったのか]]、[[@2018__devops.com__The Origins of DevOps - What's in a Name]]、[[@2021__OReillyJapan__SREの探求 - Chapter 22 成功の文化としてのSRE]] | | [[Followship]] | 横断的知見 | Response Trio は一次出典（2020年博士論文）に存在しない | — | [[@2023__SREcon23Americas__Human Observability of Incident Response]]、[[@2020__PhD__Controlling the Costs of Coordination in Large-scale Distributed Software Systems - Chapter 7 Adaptive choreography]] | | [[Incident Commander]] | ICS の起源と SRE への適用 | ICS 起源の地域・年代が2ソースで食い違う | — | [[@2016__SREcon16__nrrd 911 ic me - The Incident Commander Role]]、[[@2020__SREcon20Americas__Incident Response in Unfamiliar Sociotechnical Systems]] | | [[LLMによる根本原因分析]] | 未解決の問い | MagmaScope の関連付け表現 | — | — | | [[QUIC]] | 横断的知見 | 「TCPの代替」か「TCPが対応できなかった別の問題の解」か | — | [[@2023__OReillyJapan__詳解 システム・パフォーマンス 第2版 - Chapter 10 ネットワーク]]、[[@2026__LambdaNote__ネットワークシステムについて語るときに我々の語ること - Chapter 7 TCPの考古学]] | | [[TTXメトリクス]] | MTTRとの関係 | 49%・50%・64% という数値の条件が食い違う | — | [[@2021__OReilly__Incident Metrics in SRE]] | | [[Transformer]] | 横断的知見 | 正規化位置 | — | [[@2017__NeurIPS__Attention Is All You Need]]、[[@2026__30papers__The Annotated Transformer]] | | [[インシデント管理]] | ICS 由来の役割設計と大規模インシデント対応の実践 | ICS 由来のインシデント管理モデルの妥当性 | — | [[@2020__PhD__Controlling the Costs of Coordination in Large-scale Distributed Software Systems - Chapter 3 The domain of Critical Digital Infrastructure]]、[[@2016__OReilly__SRE Book - Chapter 14 Managing Incidents]] | | [[インシデント管理]] | 未編纂の観察 | ICS 由来のインシデント管理モデルの妥当性 | — | [[@2016__OReilly__SRE Book - Chapter 14 Managing Incidents]]、[[@2020__PhD__Controlling the Costs of Coordination in Large-scale Distributed Software Systems - Chapter 3 The domain of Critical Digital Infrastructure]] | | [[システムズアプローチ]] | 横断的知見 | 「最新版の序文から定義を削除した」という記述と、第6版(2020年10月)Preface に現存する定義との食い違い | [[Computer Networks - A Systems Approach]] | [[@2026__LambdaNote__ネットワークシステムについて語るときに我々の語ること - Chapter 1 イントロダクション]]、[[@2020__SystemsApproach__Computer Networks - A Systems Approach - Preface]] | | [[ソフトウェア信頼性成長モデル]] | 横断的知見 | SRGM の実務的有用性に対する評価が、同時期の2ソース間で分かれる。 | — | [[@2007__FOSE__Software Reliability Engineering - A Roadmap]]、[[@2012__Wiley__Practical Reliability Engineering - Chapter 10 Software Reliability]] | | [[ソフトウェア工学知識体系]] | 横断的知見 | 第7章 p.27 の提案知識領域リスト(および Executive Summary の同じリスト)には **Management Process が含まれてい… | — | [[@1998__IEEECS__SWEBOK Straw Man - Chapter 5 Proposed Knowledge Areas]]、[[@1998__IEEECS__SWEBOK Straw Man - Chapter 7 Summary and Next Steps]] | | [[ディペンダビリティ]] | 横断的知見 | フォールト→故障の因果連鎖: 第1章と第2章で粒度が食い違う | — | [[@1996__McGrawHill__Handbook of Software Reliability Engineering - Chapter 1 Introduction]]、[[@1996__McGrawHill__Handbook of Software Reliability Engineering - Chapter 2 Software Reliability and System Reliability]] | | [[ポストモーテム]] | プロセスの比較 | 「根本原因の特定」は必須要素か、それとも分析を浅くする用語か | [[Will Gallego]]、[[Richard I. Cook]]、[[複雑システム障害論]] | [[@2011__OReillyJapan__ウェブオペレーション - Chapter 13 障害を活用する：ふりかえりの技芸と科学]]、[[@2018__SREcon18 Americas__Architecting a Technical Post Mortem]] | | [[ムーアの法則とデナードスケーリングの終焉]] | 横断的知見 | [[@2025__TJSAI__AIシステムの進化速度は指数関数を超えている]]と緊張関係 | — | [[@2025__TJSAI__AIシステムの進化速度は指数関数を超えている]]、[[@2019__CACM__A New Golden Age for Computer Architecture]] | | [[ヨーロッパのAI主権]] | 主権規制の逆説 | 規制の意図と結果の乖離 | [[europe2031-ai]] | — | | [[光トランシーバー電力方式]] | 電力効率の定量比較(pJ/bit・1.6Tあたり電力) | LRO の展開名の食い違い | — | [[@2026__JANOG58__AIインフラ時代のデータセンター内光配線の実践知]]、[[@2026__SpeakerDeck__AIのためのEthernet技術動向 (SerDes)]] | | [[多変量時系列予測]] | 横断的知見 | Falcon-X(group attention の意味的崩壊批判)と Chronos-2(共変量付き ICL の大幅ゲイン)が矛盾するように見えるが、批判対象のタスクが異なる(多変量ターゲット予測 vs 共変量付き予測)。同条件での比較が未実施のため決着は未定。 | — | — | | [[文脈付き検索]] | 実験結果 | 二次ソースとの数値相違 | [[joisino-否定文理解-2024]]、[[Anthropic]] | [[@2024__Anthropic Engineering Blog__Introducing Contextual Retrieval]] | | [[根本原因分析]] | 入力選別と探索空間 | MagmaScope における関連付けの表現 | — | — | | [[異常検知]] | マイクロサービス異常検知サーベイの分類軸 | 採択論文の総数が既存記述(117 件)と担当章 §4.1 本文(143 件)で食い違う。§4.1 は段階的フィルタ(10485 件 → 837 件 → 306 件 → 171 件 → 143 件)と出版年別内訳(Figure 4 の合計 143)の両方で 143 件を裏づける。「117 件」がどの章のどの数値に基づくかは §4.2・§4.3 からは確認できず、担当章(§4.7 等)側での裏取りを要する。(Source: [[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.1 Anomaly detection in a microservices environment - Overview]] §4.1.4, Fig. 4) | — | [[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.1 Anomaly detection in a microservices environment - Overview]] | | [[異常検知]] | 未編纂の観察 | 採択論文の総数が本ページの既存記述(117件)と第4.3章担当分の§4.1本文(143件)で食い違う。§4.1は「7初期クエリで10485件→重複除去等で837件→スクリーニングで306件→本文確認で171件→包含基準適用で143件(PRISMA直接141件+他手法2件)」という段階的フィルタと、Figure 4の出版年別内訳(1+6+11+17+27+18+25+36+2=143)の両方で143件を裏づける。本ページの「117件に拡張」という既存記述がどの章のどの数値に基づくか([[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.7 Methods comparison]]等、Table 5/6実収載数の可能性)は本ページ担当範囲(§4.2・§4.3)からは確認できず、担当章(§4.7等)側での裏取りを要する。(Source: [[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.1 Anomaly detection in a microservices environment - Overview]] §4.1.4, Fig. 4) | — | [[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.7 Methods comparison]]、[[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.1 Anomaly detection in a microservices environment - Overview]] | | [[知識グラフ]] | 実務家による「学術的知識グラフ」との自覚的な切り分け | [[Mark Burgess]] の知識管理論との緊張関係 | [[Mark Burgess]]、[[知識のリレーションシップモデル]] | [[@2023__Medium__The Failure of Knowledge Management]] | | [[複雑システム障害論]] | 横断的知見 | 「根本原因の特定」は必須要素か、それとも分析を浅くする用語か | [[Jake Loomis]]、[[Yahoo!]]、[[Will Gallego]]、[[ポストモーテム]] | [[@2011__OReillyJapan__ウェブオペレーション - Chapter 13 障害を活用する：ふりかえりの技芸と科学]]、[[@1998__CtL__How Complex Systems Fail]] | | [[計算最適訓練]] | 横断的知見 | **Kaplan et al. (2020) vs. Hoffmann et al. (2022) のスケーリング指数不一致** Kaplan et al. … | [[スケーリング則]]、[[LLMスケーリング則]] | [[@2022__arXiv__Training Compute-Optimal Large Language Models]] | | [[AIOpsLab]] | SREGym 視点での位置づけ | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]]の評価と一次論文の食い違い | — | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]]、[[@2025__MLSys2025__AIOpsLab - A Holistic Framework to Evaluate AI Agents for Enabling Autonomous Clouds]] | | [[Anomaly detection and root-cause identification in microservices]] | 位置づけと影響 | 収録件数が本文内で一致しない | — | [[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.1 Anomaly detection in a microservices environment - Overview]] | | [[CacheBlend]] | 実装 | [[@2026__MLSys2026__ContextPilot - Fast Long-Context Inference via Context Reuse]]と精度劣化の評価が食い違う | [[ContextPilot]] | [[@2026__MLSys2026__ContextPilot - Fast Long-Context Inference via Context Reuse]] | | [[Computer Networks - A Systems Approach]] | 「システムズアプローチ」の定義 | 「定義が序文から削除された」という記述との食い違い | [[ネットワークシステムについて語るときに我々の語ること]] | [[@2026__LambdaNote__ネットワークシステムについて語るときに我々の語ること - Chapter 1 イントロダクション]]、[[@2020__SystemsApproach__Computer Networks - A Systems Approach - Preface]] | | [[Google]] | インシデント対応レディネス訓練(DiRT / Wheel of Misfortune) | DiRT の展開名表記 | — | [[@2022__OReilly__Anatomy of an Incident - Chapter 2 Practicing Incident Response Readiness (Preparedness)]]、[[@2022__OReillyJapan__カオスエンジニアリング - Chapter 5 Google DiRT 災害からの復旧テスト]] | | [[Guangba Yu]] | — | 所属表記の食い違い | [[Sun Yat-sen University]]、[[The Chinese University of Hong Kong]] | — | | [[ITBench]] | SREGym 視点での批判 | 一次論文の強み主張 対 [[SREGym]] の批判 | [[SREGym]]、[[SRE Benchmark]] | — | | [[J Paul Reed]] | — | 学位・発表年の表記が出典間で食い違う | — | [[@2022__SREcon22APAC__A Post Incident Review Review]]、[[@2024__Prowler__VOID Report 2024 - Exploring the Unintended Consequences of Automation in Software]] | | [[Masayuki Kobayashi]] | 概要 | 所属・肩書に関する記述の不一致 | — | [[@2024__SpeakerDeck__GPUネットワーク設計・運用 基礎勉強会 Lossless Ethernet - PFC-ECN編]]、[[@2023__SpeakerDeck__クラウドデータセンターネットワークのいまとこれから]] | | [[NIKA]] | — | 評価尺度の記述に食い違い | — | [[@2026__arXiv__SADE - Symptom-Aware Diagnostic Escalation for LLM-Based Network Troubleshooting]]、[[@2025__arXiv__A Network Arena for Benchmarking AI Agents on Network Troubleshooting]] | | [[Open Networking Foundation]] | 設立の経緯と姉妹組織(SDN本 第2章) | ONF と ON.Lab の合併年 | — | [[@2026__LambdaNote__ネットワークシステムについて語るときに我々の語ること - Chapter 3 オープンソースソフトウェア]]、[[@2021__SystemsApproach__Software-Defined Networks - A Systems Approach - Chapter 2 Use Cases]] | | [[RCLAgent]] | — | [[@2026__arXiv__How Far Can Root Cause Analysis Go on Real-World Telemetry Data?]] との記述の食い違い | — | [[@2026__arXiv__How Far Can Root Cause Analysis Go on Real-World Telemetry Data?]]、[[@2026__TDSC__Towards In-Depth Root Cause Localization for Microservices with Multi-Agent Recursion-of-Thought]] | | [[SMERFS]] | カタログ情報(付録A) | 正式名称の表記ゆれ | — | [[@1996__McGrawHill__Handbook of Software Reliability Engineering - Appendix A Software Reliability Tools]] | | [[Toto]] | 役割・位置づけ | [[@2025__arXiv__Foundation Models for Time Series - A Survey]] とパラメータ数・事前学習データ点数が食い違う | — | [[@2025__arXiv__Foundation Models for Time Series - A Survey]]、[[@2025__NeurIPS2025__This Time is Different - An Observability Perspective on Time Series Foundation Models]] | | [[@1996__McGrawHill__Handbook of Software Reliability Engineering - Chapter 2 Software Reliability and System Reliability]] | 主要概念 | フォールト→故障の因果連鎖: 第1章と第2章で粒度が食い違う | — | — | | [[@1998__IEEECS__SWEBOK Straw Man - Chapter 7 Summary and Next Steps]] | 主要主張 | 本章 p.27 の提案知識領域リスト(および Executive Summary の同じリスト)には **Management Process が含まれていな… | — | [[@1998__IEEECS__SWEBOK Straw Man - Chapter 5 Proposed Knowledge Areas]] | | [[@2003__LISA__ISconf - Theory, Practice, and Beyond]] | 考察 | [[@2002__LISA__Why Order Matters - Turing Equivalence in Automated Systems Administration]](Traugott & Brown、congruence 志向・ISconf は停止性問題に免疫)と、本論文の主張(congruence と convergence は直交しており対立しない、免疫の主張は実務的に無意味)は正面から対立する。[[Steve Traugott]] 自身の主張と本論文の批判は突き合わせて読む必要がある。 | [[Steve Traugott]] | [[@2002__LISA__Why Order Matters - Turing Equivalence in Automated Systems Administration]] | | [[@2004__LISA__Nix - A Safe and Policy-Free System for Software Deployment]] | 強み / 弱点・課題 | 図番号の不整合 | — | — | | [[@2005__Intel Technology Journal__High-Performance Graphics and TV Output Comes to the Second-Generation Intel Centrino Mobile Technology Platform]] | 3Dグラフィックス性能 | 本文内のベンチマーク比率の不一致 | — | — | | [[@2017__NeurIPS__Attention Is All You Need]] | アーキテクチャ概要 | 注釈版実装の正規化位置 | — | [[@2026__30papers__The Annotated Transformer]] | | [[@2017__NeurIPS__Attention Is All You Need]] | 機械翻訳 | 英仏BLEUの論文内不整合 | — | [[@2026__30papers__Attention Is All You Need]] | | [[@2020__PhD__Controlling the Costs of Coordination in Large-scale Distributed Software Systems - Chapter 7 Adaptive choreography]] | 出典 | 二次的引用(Response Trio)との食い違い | [[Followship]] | [[@2023__SREcon23Americas__Human Observability of Incident Response]] | | [[@2020__SIGMOD__CockroachDB - The Resilient Geo-Distributed SQL Database]] | 不確実性区間と単一キー線形化可能性(§4.2) | [[外部一貫性]]との比較 | [[外部一貫性]] | [[@2013__TOCS__Spanner - Google's Globally Distributed Database]] | | [[@2021__OReillyJapan__SREの探求 - Chapter 12 DevOpsとSRE：コミュニティからの声]] | 立場G: 対立ではなく共通の問題への異なる反応・相補的な関係とする見方 | SREを「DevOpsのサイロ」と見る立場と「DevOpsの実装・高度化」と見る立場 | — | — | | [[@2022__OReillyJapan__ソフトウェアアーキテクチャの基礎 - Chapter 23 交渉とリーダーシップのスキル]] | 実践的指針 | 図23-2 は日本語訳と原語の対応を取り違えている。図中では「簡潔さ / Clarity」「明瞭さ / Conciseness」と組まれているが、本文の対応(明瞭さ = Clarity、簡潔さ = Conciseness)が正しい。テキスト抽出の崩れではなく刊行された図自体の誤りであることを画像で確認した。本ページは本文の対応関係を正として記述している。 | — | — | | [[@2023__OReillyJapan__SLO サービスレベル目標 - Chapter 8 SLOの監視とアラート]] | 実践的指針 | 原文の数値不整合 | — | — | | [[@2024__Anthropic Engineering Blog__Introducing Contextual Retrieval]] | 強み / 弱点・課題 | [[joisino-否定文理解-2024]] と数値が相違 | [[joisino-否定文理解-2024]]、[[Anthropic]] | — | | [[@2024__OReillyJapan__SREをはじめよう - Chapter 9 トイルとの関係を築く]] | 主要概念 | トイルの保存をめぐる著者とNiall Murphyの見解の相違 | — | — | | [[@2024__Prowler__VOID Report 2024 - Exploring the Unintended Consequences of Automation in Software]] | II. インシデント分析(IA)予備調査 | 学位・発表年の表記が出典間で食い違う | [[J Paul Reed]] | [[@2022__SREcon22APAC__A Post Incident Review Review]] | | [[@2025__ICML2025__ITBench - Evaluating AI Agents across Diverse Real-World IT Automation Tasks]] | 強み / 弱点・課題 | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]]からの批判 | [[SREGym]]、[[Saurabh Jha]]、[[Stratus]]、[[SRE Benchmark]]、ほか 1 | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]] | | [[@2025__TJSAI__AIシステムの進化速度は指数関数を超えている]] | 考察 | [[ムーアの法則とデナードスケーリングの終焉]]と緊張関係 | [[ムーアの法則とデナードスケーリングの終焉]] | [[@2019__CACM__A New Golden Age for Computer Architecture]] | | [[@2025__arXiv__A Network Arena for Benchmarking AI Agents on Network Troubleshooting]] | 評価器(Evaluator) | [[@2026__arXiv__SADE - Symptom-Aware Diagnostic Escalation for LLM-Based Network Troubleshooting]]と矛盾 | [[NIKA]] | [[@2026__arXiv__SADE - Symptom-Aware Diagnostic Escalation for LLM-Based Network Troubleshooting]] | | [[@2025__arXiv__Foundation Models for Time Series - A Survey]] | 強み / 弱点・課題 | [[Toto]] のパラメータ数・事前学習データ点数が既存 wiki と食い違う | [[Toto]] | [[@2025__NeurIPS2025__This Time is Different - An Observability Perspective on Time Series Foundation Models]] | | [[@2025__arXiv__XPUTimer - Anomaly Diagnostics for Divergent LLM Training in GPU Clusters of Thousand-Plus Scale]] | 論文情報 | システム名と著者の改名・改訂 | — | — | | [[@2026__30papers__Attention Is All You Need]] | 訓練と結果 | 英仏BLEUの論文内不整合 | [[30papers-attention-is-all-you-need-2026-07-28]] | — | | [[@2026__30papers__Deep Speech 2 End-to-End Speech Recognition in English and Mandarin]] | オンライン配備 | 配備レイテンシの記載差 | — | — | | [[@2026__30papers__ImageNet Classification with Deep Convolutional Neural Networks]] | ソース情報 | 公式HTML要旨と公式PDFの数値差 | — | — | | [[@2026__30papers__Kolmogorov Complexity]] | ソース情報 | 版・章番号・年の不一致 | [[30papers-kolmogorov-complexity-2026-07-28]] | — | | [[@2026__30papers__Quantifying the Rise and Fall of Complexity in Closed Systems The Coffee Automaton]] | 閾値アーティファクトの補正 | 初期測定の偽陽性 | [[30papers-coffee-automaton-2026-07-28]] | — | | [[@2026__30papers__Scaling Laws for Neural Language Models]] | 外挿の内部矛盾 | 計算最適なモデル・データ配分 | [[スケーリング則]]、[[30papers-scaling-laws-2026-07-28]] | [[@2022__arXiv__Training Compute-Optimal Large Language Models]] | | [[@2026__30papers__The Annotated Transformer]] | 原論文と一致しない正規化位置 | 「行単位の再実装」と正規化位置 | [[30papers-annotated-transformer-2026-07-28]] | [[@2017__NeurIPS__Attention Is All You Need]] | | [[@2026__30papers__The Annotated Transformer]] | その他の不整合 | 英仏BLEU | [[30papers-annotated-transformer-2026-07-28]] | [[@2026__30papers__Attention Is All You Need]]、[[@2017__NeurIPS__Attention Is All You Need]] | | [[@2026__ASE__LLM-Assisted Joint Ticket and Log Analysis for Incident Triage in Intelligent and Connected Vehicles]] | 強み / 弱点・課題 | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]]と部分的に重複 | [[Ruowei Fu]]、[[オンコール自動化]] | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]] | | [[@2026__GitHub Gist__LLM Wiki]] | 矛盾・緊張 | 稲見の「翻訳者」と Karpathy の「キュレーター」の齟齬 | — | — | | [[@2026__GoogleSRE__AI in SRE - Engineering the Future of Reliable Operations]] | 既存 wiki との関係・テンション | 産業界の自律緩和の実績 vs 学術ベンチの能力天井 | [[SREGym]]、[[AIOpsLab]]、[[Actus]] | — | | [[@2026__ICSE-SEIP__MagmaScope Identifying Root-Cause Changes for Emergency Incident in Large-Scale Cloud Infrastructure]] | LLM ベース細粒度ランキング(Section 3.2.3) | 関連付けの性格に関する論文内の揺れ | — | — | | [[@2026__MLSys2026__ContextPilot - Fast Long-Context Inference via Context Reuse]] | 考察 | [[CacheBlend]]自身の報告と精度劣化の評価が食い違う | [[CacheBlend]] | — | | [[@2026__TDSC__Towards In-Depth Root Cause Localization for Microservices with Multi-Agent Recursion-of-Thought]] | 強み / 弱点・課題 | [[RCLAgent]] エンティティページと矛盾(アーキテクチャ記述) | [[RCLAgent]] | [[@2026__arXiv__How Far Can Root Cause Analysis Go on Real-World Telemetry Data?]] | | [[@2026__arXiv__SADE - Symptom-Aware Diagnostic Escalation for LLM-Based Network Troubleshooting]] | 評価指標 | [[@2025__arXiv__A Network Arena for Benchmarking AI Agents on Network Troubleshooting]]と矛盾 | [[NIKA]] | [[@2025__arXiv__A Network Arena for Benchmarking AI Agents on Network Troubleshooting]] | | [[@2026__nkcs.iops.ai__Collaborative Knowledge Distillation and Reinforcement Learning for Automated Ticket Triage in Large-Scale Production Systems]] | 強み / 弱点・課題 | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]]と手法設計思想が対照的 | [[OncallX]]、[[オンコール自動化]] | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]] | | [[AIワークロード基盤技術サーベイ]] | 4.3.3 測定された効果とコスト | 同論文の Conclusion(§5)では「TTFT を最大 82% 改善」という別数値が併記されており、wiki は「論文内で TTFT 改善率の表記(90% と 82%)に軽微な不整合がある」と明記している。abstract は "sixfold" と表現する。 | — | — | | [[KVキャッシュ管理の教科書]] | 第 12 章　近似再利用の精度をめぐる不一致 | CacheBlend の精度劣化 | — | [[@2025__EuroSys__CacheBlend - Fast Large Language Model Serving for RAG with Cached Knowledge Fusion]]、[[@2026__MLSys2026__ContextPilot - Fast Long-Context Inference via Context Reuse]]、[[@2025__ICLR__SCBench - A KV Cache-Centric Analysis of Long-Context Methods]] | | [[KVキャッシュ管理の教科書]] | 第 24 章　実トレースが崩す前提 | ベンチマーク設計と本番実測のずれ | — | [[@2025__ICLR__SCBench - A KV Cache-Centric Analysis of Long-Context Methods]]、[[@2026__arXiv__KVCache Cache in the Wild - Characterizing and Optimizing KVCache Cache at a Large Cloud Provider]] | | [[LLMのデータ枯渇に関するサーベイ]] | 著者自身が認める限界 | 需要側モデルの粒度 | — | [[@2025__Gihyo__原論文から解き明かす生成AI - Chapter 7 生成AIモデルのスケーリング則]]、[[@2022__arXiv__Will we run out of data? Limits of LLM scaling based on human-generated data]] | | [[LLMのデータ枯渇に関するサーベイ]] | 古典則の三つの姿 | 最適配分の不一致 | — | [[@2020__arXiv__Scaling Laws for Neural Language Models]]、[[@2022__arXiv__Training Compute-Optimal Large Language Models]]、[[@2020__arXiv__Scaling Laws for Autoregressive Generative Modeling]] | | [[LLMのデータ枯渇に関するサーベイ]] | サーベイ側の整理 | 単独効果の緊張 | — | [[@2025__arXiv__A Survey of LLM × DATA - Chapter 2.3 Data Processing - Distillation, Synthesis, and Pipelines]]、[[@2025__EMNLP__Demystifying Synthetic Data in LLM Pre-training - A Systematic Study of Scaling Laws, Benefits, and Pitfalls]] | | [[LLMのデータ枯渇に関するサーベイ]] | サーベイ側の整理 | 最適比率の非一様性 | — | [[@2025__arXiv__A Survey of LLM × DATA - Chapter 2.3 Data Processing - Distillation, Synthesis, and Pipelines]]、[[@2025__EMNLP__Demystifying Synthetic Data in LLM Pre-training - A Systematic Study of Scaling Laws, Benefits, and Pitfalls]]、[[@2025__arXiv__Scaling Laws of Synthetic Data for Language Models]] | | [[時系列基盤モデルの教科書]] | 6.2 多変量の利得はどこにあるか — Takens の埋め込み定理 | 多変量機構の効果には未決着の対立がある | [[多変量時系列予測]] | — | ## 説明済み(推定) | 保持頁 | 節 | 主題 | 関係する頁 | 出典 | |---|---|---|---|---| | [[スケーリング則]] | 横断的知見 | 計算最適なモデル・データ配分 | — | [[@2026__30papers__Scaling Laws for Neural Language Models]]、[[@2022__arXiv__Training Compute-Optimal Large Language Models]] | | [[Azure Storage]] | — | スケール軸の違い | — | [[@2023__NSDI__Empowering Azure Storage with RDMA]]、[[@2026__SIGMOD Companion__Scalable and Resilient Storage Tier for Azure SQL Hyperscale]] | | [[Ganglia]] | — | 汎用性の強みとジョブ単位診断の限界 | [[TACC Stats]] | [[@2014__HUST__Comprehensive Resource Use Monitoring for HPC Systems with TACC Stats]] | | [[Margaret Hamilton]] | Apollo 11 の優先度ベースのタスクスケジューリング | 個人帰属の粒度に関する補足 | [[Don Eyles]]、[[優先度駆動リアルタイム実行系]]、[[Hal Laning]]、[[SRE Book]] | [[@2004__AAS__Tales from the Lunar Module Guidance Computer]] | | [[Platform-X]] | — | 同名の「Platform-X」が 2 つ存在する。(1) 本ページ初出の Huawei Cloud 匿名プラットフォーム([[@2025__ESEC-FSE__L4 - Diagnosing Large-scale LLM Training Failures via Automated Log Analysis]])と、(2) Microsoft 社内 DL プラットフォーム([[@2024__ICSE__An Empirical Study on Low GPU Utilization of Deep Learning Jobs]])は、同じ名称だが別の組織・別のシステムである。以下は(1)の説明。Microsoft 側の Platform-X の詳細は [[@2024__ICSE__An Empirical Study on Low GPU Utilization of Deep Learning Jobs]] を参照。 | — | [[@2025__ESEC-FSE__L4 - Diagnosing Large-scale LLM Training Failures via Automated Log Analysis]]、[[@2024__ICSE__An Empirical Study on Low GPU Utilization of Deep Learning Jobs]] | | [[Wei Li]] | — | 所属の不一致(同姓同名の可能性) | [[LagRCA]]、[[Alibaba Group]]、[[FlashRecovery]]、[[Huawei Technologies]] | [[@2026__FSE Companion__Bridging the Delay - Lag-Aware Spatio-Temporal Causal Inference for Microservice Root Cause Analysis]] | | [[Wenwei Gu]] | — | 所属の不一致(同姓同名の可能性) | [[Nankai University]]、[[LLMPrism]]、[[The Chinese University of Hong Kong]]、[[Michael R. Lyu]] | [[@2026__arXiv__AgentTether - Graph-Guided Diagnosis and Runtime Intervention for Reliable LLM Agent Operations]] | | [[@2004__AAS__Tales from the Lunar Module Guidance Computer]] | — | Margaret Hamilton の帰属記述との個人帰属の粒度差 | [[Margaret Hamilton]]、[[SRE Book]]、[[Hal Laning]] | — | | [[@2014__HUST__Comprehensive Resource Use Monitoring for HPC Systems with TACC Stats]] | 新規性 | Ganglia との守備範囲の違い | [[Ganglia]] | — | | [[@2020__PhD__Controlling the Costs of Coordination in Large-scale Distributed Software Systems - Chapter 3 The domain of Critical Digital Infrastructure]] | Service outages | [[インシデント管理]]と矛盾 | [[インシデント管理]] | [[@2016__OReilly__SRE Book - Chapter 14 Managing Incidents]] | | [[@2025__SRE Kaigi 2025__インシデントキーメトリクスによるインシデント対応の改善]] | 視覚的に重要な図表 | 49%・50%・64% の条件が一次ソースと食い違う | [[TTXメトリクス]] | [[@2021__OReilly__Incident Metrics in SRE]] | | [[AIインフラにおけるストラグラー問題]] | GPUハードウェアの個体差と劣化 | OSDI論文の主張(第4章)は「ストラグラーの主因はハードウェアではなく計算オペレーションのスローダウンである」というものである。 TPDS論文は同じ問いに対… | [[ストラグラー]] | — | | [[KVキャッシュ管理の教科書]] | 第 16 章　Prefill-Decode 分離 | KV 転送コストは無視できるか | [[Prefill-Decode分離]] | [[@2024__OSDI__DistServe - Disaggregating Prefill and Decoding for Goodput-optimized Large Language Model Serving]]、[[@2024__arXiv__P-D-Serve - Serving Disaggregated Large Language Model at Scale]]、[[@2026__MLSys2026__Beyond the Buzz - A Pragmatic Exploration of Prefill-Decode Disaggregation in Large Scale Inference]] | | [[KVキャッシュ管理の教科書]] | 第 30 章　指標定義の落とし穴 | TTFT が伸びる原因 | [[LLM推論]] | [[@2026__Zenn__MLエンジニアのための本質から理解するLLM推論]]、[[@2025__arXiv__From Attention to Disaggregation - Tracing the Evolution of LLM Inference]] | | [[LLMのデータ枯渇に関するサーベイ]] | サーベイ側の整理 | 純生成の位置づけ | — | [[@2025__arXiv__Scaling Laws of Synthetic Data for Language Models]]、[[@2025__EMNLP__Demystifying Synthetic Data in LLM Pre-training - A Systematic Study of Scaling Laws, Benefits, and Pitfalls]] | ## 片側のみの候補 | 保持頁 | 主題 | 相手頁 | 相手頁の種別 | |---|---|---|---| | [[知識グラフ]] | [[Mark Burgess]] の知識管理論との緊張関係 | [[知識のリレーションシップモデル]] | concept | | [[計算最適訓練]] | **Kaplan et al. (2020) vs. Hoffmann et al. (2022) のスケーリング指数不… | [[LLMスケーリング則]] | concept | | [[ITBench]] | 一次論文の強み主張 対 [[SREGym]] の批判 | [[SRE Benchmark]] | concept | | [[Margaret Hamilton]] | 個人帰属の粒度に関する補足 | [[優先度駆動リアルタイム実行系]] | concept | | [[@2020__SIGMOD__CockroachDB - The Resilient Geo-Distributed SQL Database]] | [[外部一貫性]]との比較 | [[外部一貫性]] | concept | | [[@2025__ICML2025__ITBench - Evaluating AI Agents across Diverse Real-World IT Automation Tasks]] | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]]からの批判 | [[SRE Benchmark]] | concept | | [[@2026__ASE__LLM-Assisted Joint Ticket and Log Analysis for Incident Triage in Intelligent and Connected Vehicles]] | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]]と部分的に重複 | [[オンコール自動化]] | concept | | [[@2026__nkcs.iops.ai__Collaborative Knowledge Distillation and Reinforcement Learning for Automated Ticket Triage in Large-Scale Production Systems]] | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]]と手法設計思想が対照的 | [[オンコール自動化]] | concept | | [[ポストモーテム]] | 「根本原因の特定」は必須要素か、それとも分析を浅くする用語か | [[Richard I. Cook]] | entity | | [[ポストモーテム]] | 「根本原因の特定」は必須要素か、それとも分析を浅くする用語か | [[Will Gallego]] | entity | | [[文脈付き検索]] | 二次ソースとの数値相違 | [[Anthropic]] | entity | | [[知識グラフ]] | [[Mark Burgess]] の知識管理論との緊張関係 | [[Mark Burgess]] | entity | | [[複雑システム障害論]] | 「根本原因の特定」は必須要素か、それとも分析を浅くする用語か | [[Jake Loomis]] | entity | | [[複雑システム障害論]] | 「根本原因の特定」は必須要素か、それとも分析を浅くする用語か | [[Will Gallego]] | entity | | [[複雑システム障害論]] | 「根本原因の特定」は必須要素か、それとも分析を浅くする用語か | [[Yahoo!]] | entity | | [[CacheBlend]] | [[@2026__MLSys2026__ContextPilot - Fast Long-Context Inference via Context Reuse]]と精度劣化の評価が食い違う | [[ContextPilot]] | entity | | [[Computer Networks - A Systems Approach]] | 「定義が序文から削除された」という記述との食い違い | [[ネットワークシステムについて語るときに我々の語ること]] | entity | | [[Ganglia]] | 汎用性の強みとジョブ単位診断の限界 | [[TACC Stats]] | entity | | [[Guangba Yu]] | 所属表記の食い違い | [[Sun Yat-sen University]] | entity | | [[Guangba Yu]] | 所属表記の食い違い | [[The Chinese University of Hong Kong]] | entity | | [[ITBench]] | 一次論文の強み主張 対 [[SREGym]] の批判 | [[SREGym]] | entity | | [[Margaret Hamilton]] | 個人帰属の粒度に関する補足 | [[Don Eyles]] | entity | | [[Margaret Hamilton]] | 個人帰属の粒度に関する補足 | [[Hal Laning]] | entity | | [[Margaret Hamilton]] | 個人帰属の粒度に関する補足 | [[SRE Book]] | entity | | [[Wei Li]] | 所属の不一致(同姓同名の可能性) | [[Alibaba Group]] | entity | | [[Wei Li]] | 所属の不一致(同姓同名の可能性) | [[FlashRecovery]] | entity | | [[Wei Li]] | 所属の不一致(同姓同名の可能性) | [[Huawei Technologies]] | entity | | [[Wei Li]] | 所属の不一致(同姓同名の可能性) | [[LagRCA]] | entity | | [[Wenwei Gu]] | 所属の不一致(同姓同名の可能性) | [[LLMPrism]] | entity | | [[Wenwei Gu]] | 所属の不一致(同姓同名の可能性) | [[Michael R. Lyu]] | entity | | [[Wenwei Gu]] | 所属の不一致(同姓同名の可能性) | [[Nankai University]] | entity | | [[Wenwei Gu]] | 所属の不一致(同姓同名の可能性) | [[The Chinese University of Hong Kong]] | entity | | [[@2003__LISA__ISconf - Theory, Practice, and Beyond]] | [[@2002__LISA__Why Order Matters - Turing Equivalence in Automated Systems Administration]](Traugott & Brown、congruence 志向・ISconf は停止性問題に免疫)と、本論文の主張(congruence と convergence は直交しており対立しない、免疫の主張は実務的に無意味)は正面から対立する。[[Steve Traugott]] 自身の主張と本論文の批判は突き合わせて読む必要がある。 | [[Steve Traugott]] | entity | | [[@2004__AAS__Tales from the Lunar Module Guidance Computer]] | Margaret Hamilton の帰属記述との個人帰属の粒度差 | [[Hal Laning]] | entity | | [[@2004__AAS__Tales from the Lunar Module Guidance Computer]] | Margaret Hamilton の帰属記述との個人帰属の粒度差 | [[SRE Book]] | entity | | [[@2024__Anthropic Engineering Blog__Introducing Contextual Retrieval]] | [[joisino-否定文理解-2024]] と数値が相違 | [[Anthropic]] | entity | | [[@2025__ICML2025__ITBench - Evaluating AI Agents across Diverse Real-World IT Automation Tasks]] | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]]からの批判 | [[SREGym]] | entity | | [[@2025__ICML2025__ITBench - Evaluating AI Agents across Diverse Real-World IT Automation Tasks]] | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]]からの批判 | [[Saurabh Jha]] | entity | | [[@2025__ICML2025__ITBench - Evaluating AI Agents across Diverse Real-World IT Automation Tasks]] | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]]からの批判 | [[Stratus]] | entity | | [[@2026__ASE__LLM-Assisted Joint Ticket and Log Analysis for Incident Triage in Intelligent and Connected Vehicles]] | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]]と部分的に重複 | [[Ruowei Fu]] | entity | | [[@2026__GoogleSRE__AI in SRE - Engineering the Future of Reliable Operations]] | 産業界の自律緩和の実績 vs 学術ベンチの能力天井 | [[AIOpsLab]] | entity | | [[@2026__GoogleSRE__AI in SRE - Engineering the Future of Reliable Operations]] | 産業界の自律緩和の実績 vs 学術ベンチの能力天井 | [[Actus]] | entity | | [[@2026__GoogleSRE__AI in SRE - Engineering the Future of Reliable Operations]] | 産業界の自律緩和の実績 vs 学術ベンチの能力天井 | [[SREGym]] | entity | | [[@2026__nkcs.iops.ai__Collaborative Knowledge Distillation and Reinforcement Learning for Automated Ticket Triage in Large-Scale Production Systems]] | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]]と手法設計思想が対照的 | [[OncallX]] | entity | | [[AlexNet]] | 層数の数え方 | [[@2022__Gihyo__ディープラーニングを支える技術 - Chapter 1 ディープラーニングと人工知能]] | source | | [[AlexNet]] | 層数の数え方 | [[@2026__30papers__ImageNet Classification with Deep Convolutional Neural Networks]] | source | | [[DevOps]] | DevOpsの誕生時期をめぐる食い違い | [[@2018__devops.com__The Origins of DevOps - What's in a Name]] | source | | [[DevOps]] | DevOpsの誕生時期をめぐる食い違い | [[@2021__OReillyJapan__SREの探求 - Chapter 22 成功の文化としてのSRE]] | source | | [[DevOps]] | DevOpsの誕生時期をめぐる食い違い | [[@2026__mizzy.org__DevOpsとは何だったのか]] | source | | [[Followship]] | Response Trio は一次出典（2020年博士論文）に存在しない | [[@2023__SREcon23Americas__Human Observability of Incident Response]] | source | | [[Incident Commander]] | ICS 起源の地域・年代が2ソースで食い違う | [[@2016__SREcon16__nrrd 911 ic me - The Incident Commander Role]] | source | | [[Incident Commander]] | ICS 起源の地域・年代が2ソースで食い違う | [[@2020__SREcon20Americas__Incident Response in Unfamiliar Sociotechnical Systems]] | source | | [[QUIC]] | 「TCPの代替」か「TCPが対応できなかった別の問題の解」か | [[@2023__OReillyJapan__詳解 システム・パフォーマンス 第2版 - Chapter 10 ネットワーク]] | source | | [[QUIC]] | 「TCPの代替」か「TCPが対応できなかった別の問題の解」か | [[@2026__LambdaNote__ネットワークシステムについて語るときに我々の語ること - Chapter 7 TCPの考古学]] | source | | [[TTXメトリクス]] | 49%・50%・64% という数値の条件が食い違う | [[@2021__OReilly__Incident Metrics in SRE]] | source | | [[インシデント管理]] | ICS 由来のインシデント管理モデルの妥当性 | [[@2016__OReilly__SRE Book - Chapter 14 Managing Incidents]] | source | | [[システムズアプローチ]] | 「最新版の序文から定義を削除した」という記述と、第6版(2020年10月)Preface に現存する定義との食い違い | [[@2020__SystemsApproach__Computer Networks - A Systems Approach - Preface]] | source | | [[システムズアプローチ]] | 「最新版の序文から定義を削除した」という記述と、第6版(2020年10月)Preface に現存する定義との食い違い | [[@2026__LambdaNote__ネットワークシステムについて語るときに我々の語ること - Chapter 1 イントロダクション]] | source | | [[スケーリング則]] | 計算最適なモデル・データ配分 | [[@2022__arXiv__Training Compute-Optimal Large Language Models]] | source | | [[ソフトウェア信頼性成長モデル]] | SRGM の実務的有用性に対する評価が、同時期の2ソース間で分かれる。 | [[@2007__FOSE__Software Reliability Engineering - A Roadmap]] | source | | [[ソフトウェア信頼性成長モデル]] | SRGM の実務的有用性に対する評価が、同時期の2ソース間で分かれる。 | [[@2012__Wiley__Practical Reliability Engineering - Chapter 10 Software Reliability]] | source | | [[ソフトウェア工学知識体系]] | 第7章 p.27 の提案知識領域リスト(および Executive Summary の同じリスト)には **Manage… | [[@1998__IEEECS__SWEBOK Straw Man - Chapter 5 Proposed Knowledge Areas]] | source | | [[ディペンダビリティ]] | フォールト→故障の因果連鎖: 第1章と第2章で粒度が食い違う | [[@1996__McGrawHill__Handbook of Software Reliability Engineering - Chapter 1 Introduction]] | source | | [[ディペンダビリティ]] | フォールト→故障の因果連鎖: 第1章と第2章で粒度が食い違う | [[@1996__McGrawHill__Handbook of Software Reliability Engineering - Chapter 2 Software Reliability and System Reliability]] | source | | [[ポストモーテム]] | 「根本原因の特定」は必須要素か、それとも分析を浅くする用語か | [[@2011__OReillyJapan__ウェブオペレーション - Chapter 13 障害を活用する：ふりかえりの技芸と科学]] | source | | [[ポストモーテム]] | 「根本原因の特定」は必須要素か、それとも分析を浅くする用語か | [[@2018__SREcon18 Americas__Architecting a Technical Post Mortem]] | source | | [[ムーアの法則とデナードスケーリングの終焉]] | [[@2025__TJSAI__AIシステムの進化速度は指数関数を超えている]]と緊張関係 | [[@2019__CACM__A New Golden Age for Computer Architecture]] | source | | [[ヨーロッパのAI主権]] | 規制の意図と結果の乖離 | [[europe2031-ai]] | source | | [[光トランシーバー電力方式]] | LRO の展開名の食い違い | [[@2026__JANOG58__AIインフラ時代のデータセンター内光配線の実践知]] | source | | [[光トランシーバー電力方式]] | LRO の展開名の食い違い | [[@2026__SpeakerDeck__AIのためのEthernet技術動向 (SerDes)]] | source | | [[文脈付き検索]] | 二次ソースとの数値相違 | [[joisino-否定文理解-2024]] | source | | [[異常検知]] | 採択論文の総数が既存記述(117 件)と担当章 §4.1 本文(143 件)で食い違う。§4.1 は段階的フィルタ(10485 件 → 837 件 → 306 件 → 171 件 → 143 件)と出版年別内訳(Figure 4 の合計 143)の両方で 143 件を裏づける。「117 件」がどの章のどの数値に基づくかは §4.2・§4.3 からは確認できず、担当章(§4.7 等)側での裏取りを要する。(Source: [[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.1 Anomaly detection in a microservices environment - Overview]] §4.1.4, Fig. 4) | [[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.1 Anomaly detection in a microservices environment - Overview]] | source | | [[異常検知]] | 採択論文の総数が本ページの既存記述(117件)と第4.3章担当分の§4.1本文(143件)で食い違う。§4.1は「7初期クエリで10485件→重複除去等で837件→スクリーニングで306件→本文確認で171件→包含基準適用で143件(PRISMA直接141件+他手法2件)」という段階的フィルタと、Figure 4の出版年別内訳(1+6+11+17+27+18+25+36+2=143)の両方で143件を裏づける。本ページの「117件に拡張」という既存記述がどの章のどの数値に基づくか([[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.7 Methods comparison]]等、Table 5/6実収載数の可能性)は本ページ担当範囲(§4.2・§4.3)からは確認できず、担当章(§4.7等)側での裏取りを要する。(Source: [[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.1 Anomaly detection in a microservices environment - Overview]] §4.1.4, Fig. 4) | [[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.7 Methods comparison]] | source | | [[知識グラフ]] | [[Mark Burgess]] の知識管理論との緊張関係 | [[@2023__Medium__The Failure of Knowledge Management]] | source | | [[複雑システム障害論]] | 「根本原因の特定」は必須要素か、それとも分析を浅くする用語か | [[@1998__CtL__How Complex Systems Fail]] | source | | [[複雑システム障害論]] | 「根本原因の特定」は必須要素か、それとも分析を浅くする用語か | [[@2011__OReillyJapan__ウェブオペレーション - Chapter 13 障害を活用する：ふりかえりの技芸と科学]] | source | | [[計算最適訓練]] | **Kaplan et al. (2020) vs. Hoffmann et al. (2022) のスケーリング指数不… | [[@2022__arXiv__Training Compute-Optimal Large Language Models]] | source | | [[AIOpsLab]] | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]]の評価と一次論文の食い違い | [[@2025__MLSys2025__AIOpsLab - A Holistic Framework to Evaluate AI Agents for Enabling Autonomous Clouds]] | source | | [[AIOpsLab]] | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]]の評価と一次論文の食い違い | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]] | source | | [[Anomaly detection and root-cause identification in microservices]] | 収録件数が本文内で一致しない | [[@2026__Cluster Computing__Anomaly detection and root-cause identification in microservices - a survey - Chapter 4.1 Anomaly detection in a microservices environment - Overview]] | source | | [[Azure Storage]] | スケール軸の違い | [[@2023__NSDI__Empowering Azure Storage with RDMA]] | source | | [[Azure Storage]] | スケール軸の違い | [[@2026__SIGMOD Companion__Scalable and Resilient Storage Tier for Azure SQL Hyperscale]] | source | | [[Computer Networks - A Systems Approach]] | 「定義が序文から削除された」という記述との食い違い | [[@2020__SystemsApproach__Computer Networks - A Systems Approach - Preface]] | source | | [[Computer Networks - A Systems Approach]] | 「定義が序文から削除された」という記述との食い違い | [[@2026__LambdaNote__ネットワークシステムについて語るときに我々の語ること - Chapter 1 イントロダクション]] | source | | [[Google]] | DiRT の展開名表記 | [[@2022__OReillyJapan__カオスエンジニアリング - Chapter 5 Google DiRT 災害からの復旧テスト]] | source | | [[Google]] | DiRT の展開名表記 | [[@2022__OReilly__Anatomy of an Incident - Chapter 2 Practicing Incident Response Readiness (Preparedness)]] | source | | [[J Paul Reed]] | 学位・発表年の表記が出典間で食い違う | [[@2022__SREcon22APAC__A Post Incident Review Review]] | source | | [[Masayuki Kobayashi]] | 所属・肩書に関する記述の不一致 | [[@2023__SpeakerDeck__クラウドデータセンターネットワークのいまとこれから]] | source | | [[Masayuki Kobayashi]] | 所属・肩書に関する記述の不一致 | [[@2024__SpeakerDeck__GPUネットワーク設計・運用 基礎勉強会 Lossless Ethernet - PFC-ECN編]] | source | | [[Open Networking Foundation]] | ONF と ON.Lab の合併年 | [[@2021__SystemsApproach__Software-Defined Networks - A Systems Approach - Chapter 2 Use Cases]] | source | | [[Open Networking Foundation]] | ONF と ON.Lab の合併年 | [[@2026__LambdaNote__ネットワークシステムについて語るときに我々の語ること - Chapter 3 オープンソースソフトウェア]] | source | | [[Platform-X]] | 同名の「Platform-X」が 2 つ存在する。(1) 本ページ初出の Huawei Cloud 匿名プラットフォーム([[@2025__ESEC-FSE__L4 - Diagnosing Large-scale LLM Training Failures via Automated Log Analysis]])と、(2) Microsoft 社内 DL プラットフォーム([[@2024__ICSE__An Empirical Study on Low GPU Utilization of Deep Learning Jobs]])は、同じ名称だが別の組織・別のシステムである。以下は(1)の説明。Microsoft 側の Platform-X の詳細は [[@2024__ICSE__An Empirical Study on Low GPU Utilization of Deep Learning Jobs]] を参照。 | [[@2024__ICSE__An Empirical Study on Low GPU Utilization of Deep Learning Jobs]] | source | | [[Platform-X]] | 同名の「Platform-X」が 2 つ存在する。(1) 本ページ初出の Huawei Cloud 匿名プラットフォーム([[@2025__ESEC-FSE__L4 - Diagnosing Large-scale LLM Training Failures via Automated Log Analysis]])と、(2) Microsoft 社内 DL プラットフォーム([[@2024__ICSE__An Empirical Study on Low GPU Utilization of Deep Learning Jobs]])は、同じ名称だが別の組織・別のシステムである。以下は(1)の説明。Microsoft 側の Platform-X の詳細は [[@2024__ICSE__An Empirical Study on Low GPU Utilization of Deep Learning Jobs]] を参照。 | [[@2025__ESEC-FSE__L4 - Diagnosing Large-scale LLM Training Failures via Automated Log Analysis]] | source | | [[RCLAgent]] | [[@2026__arXiv__How Far Can Root Cause Analysis Go on Real-World Telemetry Data?]] との記述の食い違い | [[@2026__arXiv__How Far Can Root Cause Analysis Go on Real-World Telemetry Data?]] | source | | [[SMERFS]] | 正式名称の表記ゆれ | [[@1996__McGrawHill__Handbook of Software Reliability Engineering - Appendix A Software Reliability Tools]] | source | | [[Toto]] | [[@2025__arXiv__Foundation Models for Time Series - A Survey]] とパラメータ数・事前学習データ点数が食い違う | [[@2025__NeurIPS2025__This Time is Different - An Observability Perspective on Time Series Foundation Models]] | source | | [[Wei Li]] | 所属の不一致(同姓同名の可能性) | [[@2026__FSE Companion__Bridging the Delay - Lag-Aware Spatio-Temporal Causal Inference for Microservice Root Cause Analysis]] | source | | [[Wenwei Gu]] | 所属の不一致(同姓同名の可能性) | [[@2026__arXiv__AgentTether - Graph-Guided Diagnosis and Runtime Intervention for Reliable LLM Agent Operations]] | source | | [[@1998__IEEECS__SWEBOK Straw Man - Chapter 7 Summary and Next Steps]] | 本章 p.27 の提案知識領域リスト(および Executive Summary の同じリスト)には **Managem… | [[@1998__IEEECS__SWEBOK Straw Man - Chapter 5 Proposed Knowledge Areas]] | source | | [[@2003__LISA__ISconf - Theory, Practice, and Beyond]] | [[@2002__LISA__Why Order Matters - Turing Equivalence in Automated Systems Administration]](Traugott & Brown、congruence 志向・ISconf は停止性問題に免疫)と、本論文の主張(congruence と convergence は直交しており対立しない、免疫の主張は実務的に無意味)は正面から対立する。[[Steve Traugott]] 自身の主張と本論文の批判は突き合わせて読む必要がある。 | [[@2002__LISA__Why Order Matters - Turing Equivalence in Automated Systems Administration]] | source | | [[@2017__NeurIPS__Attention Is All You Need]] | 英仏BLEUの論文内不整合 | [[@2026__30papers__Attention Is All You Need]] | source | | [[@2020__PhD__Controlling the Costs of Coordination in Large-scale Distributed Software Systems - Chapter 3 The domain of Critical Digital Infrastructure]] | [[インシデント管理]]と矛盾 | [[@2016__OReilly__SRE Book - Chapter 14 Managing Incidents]] | source | | [[@2020__PhD__Controlling the Costs of Coordination in Large-scale Distributed Software Systems - Chapter 7 Adaptive choreography]] | 二次的引用(Response Trio)との食い違い | [[@2023__SREcon23Americas__Human Observability of Incident Response]] | source | | [[@2020__SIGMOD__CockroachDB - The Resilient Geo-Distributed SQL Database]] | [[外部一貫性]]との比較 | [[@2013__TOCS__Spanner - Google's Globally Distributed Database]] | source | | [[@2024__Anthropic Engineering Blog__Introducing Contextual Retrieval]] | [[joisino-否定文理解-2024]] と数値が相違 | [[joisino-否定文理解-2024]] | source | | [[@2024__Prowler__VOID Report 2024 - Exploring the Unintended Consequences of Automation in Software]] | 学位・発表年の表記が出典間で食い違う | [[@2022__SREcon22APAC__A Post Incident Review Review]] | source | | [[@2025__ICML2025__ITBench - Evaluating AI Agents across Diverse Real-World IT Automation Tasks]] | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]]からの批判 | [[@2026__arXiv__SREGym - A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios]] | source | | [[@2025__SRE Kaigi 2025__インシデントキーメトリクスによるインシデント対応の改善]] | 49%・50%・64% の条件が一次ソースと食い違う | [[@2021__OReilly__Incident Metrics in SRE]] | source | | [[@2025__TJSAI__AIシステムの進化速度は指数関数を超えている]] | [[ムーアの法則とデナードスケーリングの終焉]]と緊張関係 | [[@2019__CACM__A New Golden Age for Computer Architecture]] | source | | [[@2025__arXiv__Foundation Models for Time Series - A Survey]] | [[Toto]] のパラメータ数・事前学習データ点数が既存 wiki と食い違う | [[@2025__NeurIPS2025__This Time is Different - An Observability Perspective on Time Series Foundation Models]] | source | | [[@2026__30papers__Scaling Laws for Neural Language Models]] | 計算最適なモデル・データ配分 | [[@2022__arXiv__Training Compute-Optimal Large Language Models]] | source | | [[@2026__30papers__The Annotated Transformer]] | 英仏BLEU | [[@2026__30papers__Attention Is All You Need]] | source | | [[@2026__ASE__LLM-Assisted Joint Ticket and Log Analysis for Incident Triage in Intelligent and Connected Vehicles]] | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]]と部分的に重複 | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]] | source | | [[@2026__TDSC__Towards In-Depth Root Cause Localization for Microservices with Multi-Agent Recursion-of-Thought]] | [[RCLAgent]] エンティティページと矛盾(アーキテクチャ記述) | [[@2026__arXiv__How Far Can Root Cause Analysis Go on Real-World Telemetry Data?]] | source | | [[@2026__nkcs.iops.ai__Collaborative Knowledge Distillation and Reinforcement Learning for Automated Ticket Triage in Large-Scale Production Systems]] | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]]と手法設計思想が対照的 | [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]] | source |