تحليل السبب الجذري بالذكاء الاصطناعي ينتقل من استدلال النماذج إلى هندسة السياق
يجد ممارسو المراقبة بشكل متزايد أن استدلال نماذج اللغة الكبيرة (LLM) لم يعد العائق الرئيسي في تحليل السبب الجذري بمساعدة الذكاء الاصطناعي؛ بل يكمن التحدي في تحديد البيانات التي يجب تغذيتها للنموذج. يشير بحث Coroot إلى أن الاستثمار في إعداد السياق يحقق عوائد أفضل من السعي وراء نماذج أقوى. تتجه الصناعة نحو تحليل سببي حتمي قائم على الطوبولوجيا بدلاً من حلقات الوكلاء المفتوحة.
Anthropic
OpenAI
Google/DeepMind
Dynatrace
Coroot
LangChain
Mezmo
Alibaba/Qwen
InfoQ 中国05.08 · 06:02
