OpsMem: Dual-Memory Reasoning with Cross-Memory Resonance for Failure Diagnosis
Huawei（华为）
针对现代软件系统故障诊断中缺乏协调诊断状态与操作经验机制的问题，提出双内存框架OpsMem，通过跨内存共振等进行多智能体诊断，实验表明其在华为微服务故障诊断数据集上优于基线，提升了匹配度和相关性。
2026-07-14 cs.AI cs.SE
Auditing Evidence Use in Medical LLM Diagnosis
University of Electronic Science and Technology of China（电子科技大学）
研究医学大语言模型诊断时证据使用情况，通过分解患者信息为证据单元等方法审计，在多个数据集上评估五个模型，发现准确性可能掩盖证据使用问题，结果促使对医学大语言模型评估进行角色感知审计。
2026-07-24 cs.AI
SkillMentor: LLM Agent Self-Evolution via Learning Blind-Spot Diagnosis
The Hong Kong Polytechnic University（香港理工大学）；Platform and Content Group, Tencent（腾讯平台与内容事业群）；Soochow University（苏州大学）
本文提出SkillMentor，将盲点诊断作为独立于执行的可学习智能体能力，通过强化学习训练导师策略，在AppWorld和BFCLv3上使执行器性能平均提升44.2%，实现无需更新执行器的智能体自我进化。
2026-07-31 cs.AI
GUITAR: Structured Failure Diagnosis of GUI Agents via State Transitions
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Pengcheng Laboratory（鹏城实验室）；Shanghai Jiao Tong University（上海交通大学）
GUITAR提出状态中心诊断框架，通过状态转换图分析GUI代理失败，定位瓶颈，提升成功率2.8%。
2026-09-30 cs.AI
RouteRepair: Instance-Level Failure Diagnosis and Targeted Repair in LLM-Based Automated Heuristic Design for Routing Optimization
Southeast University（东南大学）
RouteRepair通过实例级故障诊断和定向修复，在TSP和CVRP上显著提升LLM生成的启发式算法性能，同时不损害已有优势。
2026-09-11 cs.AI
Know the Shape, Find the Fault: Topology-Conditioned Diagnosis of Multi-Agent LLM Failures
Beihang University（北京航空航天大学）
提出MAScope两阶段框架，利用通信拓扑结构线索诊断多智能体LLM故障，通过轨迹结构提取器恢复拓扑并条件化分类，显著提升诊断性能并降低部署成本。
2026-10-08 cs.AI cs.MA
Early Diagnosis of Wasted Computation in Multi-Agent LLM Systems via Failure-Aware Observability
University of Science and Technology of China（中国科学技术大学）
提出一种故障感知的可观测性框架，通过在线轨迹信号诊断多智能体LLM系统中的浪费计算，并在GAIA验证集上评估，揭示不同故障机制及其与资源消耗的关系。
2026-06-16 cs.AI
A Multi-Dataset Benchmark for Evaluating LLM Agents in Microservice Failure Diagnosis
提出基于推理过程评估的基准，包含两个大规模数据集（AIOps2025和RCA100），从定位、识别和原因三个维度评估智能体诊断能力，覆盖500多个专家标注的故障案例。
2026-06-28 cs.AI cs.SE
Predicting Intermittent Job Failure Categories for Diagnosis Using Few-Shot Fine-Tuned Language Models
École de technologie supérieure（高等技术学院）；TELUS（TELUS公司）
本文提出FlaXifyer方法，通过预训练语言模型预测间歇性作业失败类别，实现84.3%的宏F1和92.0%的Top-2准确率，同时提出LogSift技术提升日志分析效率。
2026-04-04 cs.AI cs.CL cs.LG
Debugging the Debuggers: Failure-Anchored Structured Recovery for Software Engineering Agents
Nankai University（南开大学）；Tsinghua University（清华大学）；Microsoft（微软）
提出PROBE框架，通过遥测层、诊断层和指导门将运行时证据转化为结构化恢复指导，在代码修复、工作流恢复等场景中诊断准确率65.37%，恢复率21.79%。
2026-06-05 cs.AI cs.SE
United We Stand: Decentralized Multi-Agent Planning With Attrition
The University of Adelaide（阿德莱德大学）；HES SO Valais（HEC Valais（瓦莱高等商业学院））；the University of Foggia（福贾大学）
本文提出去中心化算法 A-MCTS，通过全局奖励估计局部贡献并结合遗憾匹配协调，使多智能体在高故障率下仍能高效适应并提升全局效用与可扩展性。
2024-09-02 cs.AI cs.MA
LLM-Based Automated Diagnosis Of Integration Test Failures At Google
GoogleUSA（美国谷歌）
本文提出Auto-Diagnose工具，利用LLM高效诊断集成测试故障，通过分析日志生成摘要并集成至代码审查系统，实验证明其高准确率和用户认可。
2026-04-13 cs.AI cs.SE
TelemetrySuffBench: Is Agent Telemetry Sufficient for Failure-Origin Diagnosis?
该研究推出TelemetrySuffBench基准，评估五个前沿语言模型的故障起源诊断能力，发现检测与定位存在差距，安全弃权（不执行）具强模型依赖性，需决策-来源链接与弃权保障。
2026-08-11 cs.AI
Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training
Apodex
本文提出智能体错误数据集（AED），含50,228对错误诊断数据，并设计五阶段AET流程，通过错误诊断与修正显著提升验证器通过率及模型微调一致性。
2026-10-02 cs.AI cs.CL
DAAF: From Failure Localization to Editable System Assets in LLM Agents
针对LLM智能体故障修复的决策缺口，提出DAAF框架，通过组件属性归因学习干预效果，无需反事实重放，在电信任务上实现高命中率并提升任务成功率。
2026-09-29 cs.AI
Holistic Evaluation and Failure Diagnosis of AI Agents
Deepchecks
本文提出一种综合评估框架，结合顶层代理诊断与底层跨度评估，通过分解分析实现独立跨度评估，提升长结构轨迹中的故障定位与分类准确性。
2026-05-14 cs.AI cs.CL
Few-shot fault diagnosis based on multi-scale graph convolution filtering for industry
针对工业故障数据稀缺问题，提出多尺度图卷积滤波（MSGCF）方法，通过融合局部与全局信息缓解过平滑并降低过拟合风险，在PU数据集上准确率优于其他方法。
2024-05-30 cs.AI
A Temporal Neuro-Fuzzy Monitoring System to Manufacturing Systems
Université de Batna（巴特纳大学）；Centre universitaire Khenchela（肯切拉大学中心）；Laboratoire d’Automatique et Productique (LAP)（自动化与生产实验室）
故障诊断和故障预测是提高制造系统安全性的关键技术。因此，在线故障检测和隔离是安全关键和智能控制系统中最重要的任务之一。计算智能技术作为传统故障诊断方法的延伸正在被研究。本文讨论了时间神经模糊系统（TNFS）的故障诊断中的应用研究的制造系统。找到一个合适的结构检测和隔离十个现实的执行器故障的关键问题进行了说明。在此框架下，开发了模拟洗礼的NEFDIAG（神经模糊诊断）1.0版数据处理交互软件。该软件主要用于工业过程故障的分类神经模糊系统的创建，训练和测试。NEFDIAG可以表示为一种特殊类型的模糊感知器，有三层用于分类模式和故障。本系统选用阿尔及利亚SCIMAT水泥厂熟料车间。
2011-07-17 cs.AI
ATBench: A Diverse and Realistic Agent Trajectory Benchmark for Safety Evaluation and Diagnosis
Shanghai AI Lab（上海人工智能实验室）；Fudan University（复旦大学）；Shanghai Jiao Tong University（上海交通大学）；Tsinghua University（清华大学）；KAUST（卡塔尔人工智能科学中心）；East China Normal University（华东师范大学）
ATBench通过多样化的轨迹和现实场景评估代理安全，包含1000条轨迹，挑战性强，支持跨基准比较和长周期故障诊断。
2026-08-21 cs.AI
ToolRobustBench: Stage-Wise Perturbation Evaluation and Failure Diagnosis for Tool-Calling Agents
本研究推出ToolRobustBench，这一工具调用智能体的分阶段诊断基准，通过四类扰动族评估7个模型等的15456个实例，发现工具输出/观测扰动是主要瓶颈，可诊断工具调用故障来源与传播。
2026-08-26 cs.AI cs.SE
Diagnosability of Fuzzy Discrete Event Systems
为了更有效地处理现实世界中的不确定性问题，近年来提出了{ \it模糊离散事件系统}（FDES），并发展了FDES的监督控制理论。鉴于故障诊断的重要性，本文提出了一种在故障诊断系统框架下进行故障诊断的方法。更具体地说：（1）给出了故障可诊断性的形式化定义，其中事件的可观测集和故障集是{ \it fuzzy}的，即每个事件都有一定的可观测度和不可观测度，并且每个事件都有不同的故障发生概率。(2)通过构造FDES的基于可观性的诊断器，我们研究了它的一些基本性质。特别是，我们提出了一个必要和充分条件的可诊断的FDES。(3)一些例子来说明FDES的可诊断性的应用。最后，提出了一些相关问题供进一步考虑。
2006-12-18 cs.AI
MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks
Arizona State University（亚利桑那州立大学）；University of Houston（休斯顿大学）；The Ohio State University（俄亥俄州立大学）；Johns Hopkins University（约翰斯·霍普金斯大学）
MeshHeal提出一种去中心化自愈框架，通过双时间尺度能力匹配评审检测并隔离灰色故障智能体，在保护当前任务的同时允许恢复后重新加入，显著提升退化阶段准确率并降低令牌开销。
2026-09-25 cs.AI cs.CL cs.DC
Scalable Question-Centric Text-to-Image Evaluation: Reliable Ranking, Fine-Grained Diagnosis, and Cost-Aware Routing
Data Science & Artificial Intelligence Research Institute, China Unicom（中国联通数据科学与人工智能研究院）；Unicom Data Intelligence, China Unicom（中国联通数据智能）；China Unicom Group Co.,Ltd（中国联通集团有限公司）
研究针对T2I模型评估的问题，提出QC-T2I-Bench框架，结合DSG实现细粒度诊断，评估显示多能力组件联合完成率随能力数增加下降，成本感知路由器可在减少算力的同时达到ERNIE的估计精度。
2026-08-26 cs.AI
SANEval: Open-Vocabulary Compositional Benchmarks with Failure-mode Diagnosis
Stony Brook University（石溪大学）；nd Set AI Corp.（第二集AI公司）；Rowan University（罗文大学）
SANEval提出一种开放词汇组合评估基准，结合大型语言模型和增强对象检测器，通过实验展示其在属性绑定、空间关系和数值任务上的评估效果优于现有基准。
2026-11-10 cs.AI cs.CV
Approximate Model-Based Diagnosis Using Greedy Stochastic Search
Delft University of Technology（代尔夫特理工大学）；University College Cork（科克大学学院）
我们提出了一个随机故障诊断算法，称为SAFARI，它的交易保证计算最小的诊断计算效率。我们经验证明，使用74 XXX和ISCAS-85套件的基准组合电路，SAFARI实现了几个数量级的加速比两个著名的确定性算法，CDA* 和HA*，多故障诊断;此外，SAFARI可以计算一系列的多故障诊断，CDA* 和HA* 不能。我们还证明了SAFARI是最佳的命题故障模型的范围内，如广泛使用的弱故障模型（模型的异常行为的无知）。讨论了一类具有固定故障模式的强故障电路模型中SAFARI的最优性。通过建模的算法本身作为一个马尔可夫链，我们提供了精确的界限上的最小诊断计算。SAFARI还显示了强大的随时行为，并将在任何非平凡的推理时间之后返回诊断。
2014-01-16 cs.AI
Where MLLMs Fail and Why: Causal Task Decomposition for Capability Failure Diagnosis
Google Research（谷歌研究院）；Stanford University（斯坦福大学）
本文提出因果分解框架CADET，通过受控干预前置依赖诊断MLLM失败源于内在缺陷还是级联错误，实验发现提供正确前置可消除认知任务54%错误，单一关键前置贡献占全部收益的84%。
2026-10-01 cs.AI cs.CL cs.CV
AgentDebugX: An Open-Source Toolkit for Failure Observability, Attribution, and Recovery in LLM Agents
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Toronto（多伦多大学）；Google（谷歌公司）；Stanford University（斯坦福大学）
研究大语言模型代理故障调试难题，提出开源框架AgentDebugX，其核心DeepDebug通过多轮诊断定位根源，在基准测试中表现出色，能修复更多失败任务，还通过多种方式公开工作流程并提供错误中心。
2026-07-22 cs.AI cs.CL
DiagEval: Trajectory-Conditioned Diagnosis for Reliable Software Evaluation with GUI Agents
DeepWisdom（深智科技）；The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
该研究提出DiagEval，一种基于轨迹的诊断评估协议，用于在GUI代理评估交互式软件后失败时进行诊断。通过重用失败轨迹选择针对性的诊断探针，并将结果聚合为内部归因信号，从而提高准确性，优于基于重试的基线方法。
2026-05-19 cs.AI cs.SE
ResonAct: Streaming Metrics for Runtime Diagnosis and Self-Healing in Multi-Agent Systems
IBM
ResonAct通过流式指标实现多智能体系统的运行时诊断与自愈，无需修改应用即可提升任务完成率最多10个百分点。
2026-09-29 cs.AI cs.LG
Scalable, Technology-Agnostic Diagnosis and Predictive Maintenance for Point Machine using Deep Learning
本文提出一种仅使用功率信号和深度学习的转辙机诊断方法，实现技术无关、可扩展的预测性维护，并通过共形预测提供输出置信度，符合ISO-17359标准。
2025-08-12 cs.AI cs.LG eess.SP
