Managing Complex Failure Analysis Workflows with LLM-based Reasoning and Acting Agents

要約

障害分析（FA）は、非常に複雑で知識集約的なプロセスです。
FAラボの計算インフラストラクチャ内でのAIコンポーネントの統合には、画像の不適合の検出、多様なデータソースからの類似のケースの取得、注釈付き画像からのレポートの生成など、さまざまなタスクを自動化する可能性があります。
ただし、展開されたAIモデルの数が増えると、これらのコンポーネントを組織化することに課題があり、FAプロセスとシームレスに統合されるまとまりのある効率的なワークフローになります。
このペーパーでは、FAエンジニアが分析ケースの解決を支援するために、大規模な言語モデル（LLM）ベースの計画エージェント（LPA）の設計と実装を調査します。
LPAは、LLMを高度な計画機能および外部ツール利用と統合し、複雑なクエリの自律処理、外部システムからの関連データの取得、および人間の読み取り可能な応答の生成を可能にします。
評価の結果は、FAタスクのサポートにおけるエージェントの運用上の有効性と信頼性を示しています。

要約(オリジナル)

Failure Analysis (FA) is a highly intricate and knowledge-intensive process. The integration of AI components within the computational infrastructure of FA labs has the potential to automate a variety of tasks, including the detection of non-conformities in images, the retrieval of analogous cases from diverse data sources, and the generation of reports from annotated images. However, as the number of deployed AI models increases, the challenge lies in orchestrating these components into cohesive and efficient workflows that seamlessly integrate with the FA process. This paper investigates the design and implementation of a Large Language Model (LLM)-based Planning Agent (LPA) to assist FA engineers in solving their analysis cases. The LPA integrates LLMs with advanced planning capabilities and external tool utilization, enabling autonomous processing of complex queries, retrieval of relevant data from external systems, and generation of human-readable responses. Evaluation results demonstrate the agent’s operational effectiveness and reliability in supporting FA tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google