E2E-REME：基于经验-仿真强化微调的端到端微服务自动修复
软件工程
2026-04-14 v1 人工智能
摘要
当代微服务系统规模和复杂度不断增大，导致故障频发且成本高昂。虽然近期出现了基于 LLM 的自动修复方法，但它们主要将文本指令翻译为可执行的 Ansible playbook，依赖专家设计的提示，缺乏运行时知识引导，且依赖大规模通用 LLM，限制了其准确率和效率。我们提出端到端微服务修复（E2E-MR）任务，需要直接从诊断报告生成可执行 playbook 以自主恢复故障系统。为实现严格评估，我们构建MicroRemed基准，自动化微服务部署、故障注入、playbook 执行及修复后验证。我们进一步提出E2E-REME，通过经验-仿真强化微调训练端到端自动修复模型。在公共和工业微服务平台上进行实验，与九个代表性 LLM 进行比较，结果显示E2E-REME在准确率和效率上均实现了优异表现。
关键词
引用
@article{arxiv.2604.11094,
title = {E2E-REME: Towards End-to-End Microservices Auto-Remediation via Experience-Simulation Reinforcement Fine-Tuning},
author = {Lingzhe Zhang and Yunpeng Zhai and Tong Jia and Minghua He and Chiming Duan and Zhaoyang Liu and Bolin Ding and Ying Li},
journal= {arXiv preprint arXiv:2604.11094},
year = {2026}
}
备注
accepted by FSE'26. arXiv admin note: text overlap with arXiv:2511.01166