TickIt：利用大语言模型进行自动化工单升级
软件工程
2025-04-14 v1
摘要
在大型云服务系统中，支持工单作为解决客户问题和维持服务质量的关键机制。然而，传统的手动工单升级流程面临效率低下、不准确以及难以处理高volume和复杂工单的诸多挑战。虽然之前的研究提出了各种机器学习模型用于工单分类，但这些方法常常忽视了现实升级场景的实际需求，如动态工单更新、主题特定路由以及工单关系分析。为弥合这一差距，本文引入TickIt，一个由大语言模型驱动的创新型在线工单升级框架。TickIt 通过持续更新工单状态、将工单分配给最合适的支持团队、探索工单关联性，并利用类别引导的监督微调持续改进其性能，实现主题感知、动态和关系驱动的工单升级。通过在字节德ance 云服务平台 Volcano Engine 部署，我们验证了其有效性和实用性，标志着大型云服务系统自动化工单升级领域的重大进展。
引用
@article{arxiv.2504.08475,
title = {TickIt: Leveraging Large Language Models for Automated Ticket Escalation},
author = {Fengrui Liu and Xiao He and Tieying Zhang and Jianjun Chen and Yi Li and Lihua Yi and Haipeng Zhang and Gang Wu and Rui Shi},
journal= {arXiv preprint arXiv:2504.08475},
year = {2025}
}
备注
33rd ACM International Conference on the Foundations of Software Engineering