评估用于计算机网络的代理式配置修复

计算机网络中的配置错误仍是导致重大互联网中断的主要原因。研究正转向利用大语言模型（LLM）自动化这一复杂且易错的任务。然而，即使是最先进的模型在大规模复杂场景中也难以解决配置错误，甚至常引入新错误。本文基准测试了结合形式化网络验证与上下文检索工具的开源及闭源 LLM。结果表明，凭借动态管理上下文和迭代验证配置修复的能力，代理架构在修复效率（平均提升 12%）和安全性（平均提升 17%）上均优于基础 LLM。