MetaKube：Kubernetes 障害診断のための経験に基づく LLM フレームワーク
arXiv cs.LG / 2026/3/26
📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- MetaKube は、静的な知識ベースに依存するだけではなく、過去の解決事例から学習する「経験に基づく」LLM フレームワークとして Kubernetes の障害診断を行う仕組みとして紹介される。
- 本システムは、信頼度を較正した検索のためのエピソード型パターンメモリネットワーク（EPMN）、直観的推論と分析的推論を切り替えるメタ認知コントローラ、さらに Kubernetes 障害解決データセット 7,000 サンプルで事後学習（post-training）したローカル配備可能な 8B モデル KubeLLM を組み合わせる。
- 1,873 件の実世界シナリオでの評価において、MetaKube は Qwen3-8B のスコアを 50.9 から 90.5 に改善し、ローカル配備によってデータプライバシーを保護しつつ GPT-4.1 に近い性能へ到達しつつあると主張している。
- 実験結果から、エピソード型の経験的学習コンポーネントが 15.3% の改善に寄与しており、継続学習テストでは、運用上の知識を蓄積するにつれて結果が段階的に向上することが示されている。
- 著者らは、再利用やさらなる実験のために、ソースコードとリソースを GitHub 上で公開している。
