في الوقت الذي تشهد فيه تقنيات الذكاء الاصطناعي عبر وكالات التعلم الآلي (LLM) تحولًا كبيرًا في عمليات الخدمات الميكروسيرفيس، تمثل مجموعة البيانات الجديدة التي تم إطلاقها قفزة نوعية في تقييم القدرة على تشخيص الأعطال. تعتمد هذه المعايير الجديدة، التي تشمل مجموعتي بيانات هما (AIOps2025) و(RCA100)، على تقييم القدرة على التشخيص من خلال عملية فكرية منظمة تركز على ثلاثة جوانب رئيسية:
1. **الموقع** (Localization): تحديد مكان حدوث العطل.
2. **التعريف** (Identification): معرفة نوع العطل.
3. **السبب** (Reason): التأكد من أن السياق التفكيري مستند إلى أدلة ذات صلة.

تشمل هذه المجموعات أكثر من 500 حالة عطل تم تعليمها بواسطة خبراء، تغطي أنماطًا مختلفة من الأعطال في أنظمة ميكروسيرفيس متعددة، مثل (HipsterShop) و(OpenTelemetry Demo Store). تتميز هذه البيانات بتوفير أدلة سببية دقيقة تدعم تعلم الوكالات وتقييم عملية التفكير.

علاوةً على ذلك، تم وضع هذه المجموعات بعناية من قبل خبراء وتحقيقها من خلال مسابقات ذات نطاق واسع، مما يجعلها معايير فعالة جدًا لتقييم تشخيص الأعطال في البيئات العملية الحقيقية. يمكنك الوصول إلى البيانات الجديدة عبر الرابط [https://www.aiops.cn/gitlab/aiops-live-benchmark/agenticopseval]. هل تمثل هذه المعايير الجديدة نقطة تحول في مجال الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات.