摘要
针对微服务根因分析中多模态数据噪声、故障级联传播及拓扑漂移挑战，本文提出 TopoEvo 框架。该框架结合图表示学习与拓扑约束推理，通过度量正交多模态对齐生成稳定节点表示，并利用矢量量化将状态离散化为可审计的症状令牌。在此基础上，执行“假设 - 证据 - 测试”多智能体工作流以验证解释一致性。此外，引入自进化机制更新事件记忆并进行测试时自适应，确保在动态环境下的鲁棒性。
AI 推荐理由
论文提出自进化多智能体框架，核心机制包含自我进化模块以应对拓扑漂移。
研究机构
School of Artificial Intelligence, Beihang University
论文信息