面向分布式计算连续系统的仿生式自愈框架
人工智能
2026-01-05 v1 分布式、并行与集群计算
新兴技术
多智能体系统
神经与进化计算
摘要
人类生物系统通过异常韧性持续存活，不断检测损伤，组织针对性反应，并通过自愈恢复功能。受此启发，本文引入 ReCiSt—a 仿生式智能体自愈框架，用于实现分布式计算连续系统（DCCS）的韧性。现代 DCCS 集成了从资源受限 IoT 设备到高性能云基础设施的异构计算资源，其内在的复杂性、移动性和动态运行条件暴露于频繁故障，导致服务中断。这些挑战凸显了可扩展、自适应和自调节韧性策略的需求。ReCiSt 将血小板、炎症、增殖和愈合四个生物学阶段分别映射为 DCCS 的四个计算层：遮 containment、诊断、元认知和知识。这些四个层次通过基于语言模型（LM）的智能体实现自主故障隔离、因果诊断、适应性恢复和长期知识整合。这些智能体解释异构日志，推断根因，细化推理路径，并以最小人工干预重新配置资源。本文在公共故障数据集上评估了 ReCiSt 框架，使用多种 LM 进行验证。由于缺乏类似方法的基准比较，本文未包含基准对比。然而，我们的结果在不同 LM 下均确认了 ReCiSt 在数十秒内完成自愈，智能体 CPU _usage 仅需 10%。我们的结果还展示了克服不确定性和实现韧性所需的微型智能体数量。
引用
@article{arxiv.2601.00339,
title = {Bio-inspired Agentic Self-healing Framework for Resilient Distributed Computing Continuum Systems},
author = {Alaa Saleh and Praveen Kumar Donta and Roberto Morabito and Sasu Tarkoma and Anders Lindgren and Qiyang Zhang and Schahram Dustdar and Susanna Pirttikangas and Lauri Lovén},
journal= {arXiv preprint arXiv:2601.00339},
year = {2026}
}