构建电信网络告警根因分析基准，提出可自改进的智能分析框架。

TN-AutoRCA: Benchmark Construction and Agentic Framework for Self-Improving Alarm-Based Root Cause Analysis in Telecommunication Networks

• 基于真实网络数据构建告警根因分析基准
• 设计能自我优化的智能分析代理框架
• 适合网络运维与AI系统研发人员参考

电信网络中的根因分析（RCA）至关重要，但对人工智能（AI）而言极具挑战，因其需要复杂的图式推理且缺乏真实的评估基准。本文提出TN-AutoRCA，构建了一个基于真实电信网络数据的告警根因分析基准，并设计了一个具备自改进能力的智能代理框架，能够动态学习和优化告警关联与故障定位策略。该框架通过多轮交互式推理，逐步提升分析准确率，为复杂网络环境下的自动化故障诊断提供了可扩展、可验证的解决方案。

原文摘要 · Abstract (English)

Root Cause Analysis (RCA) in telecommunication networks is a critical task, yet it presents a formidable challenge for Artificial Intelligence (AI) due to its complex, graph-based reasoning requirements and the scarcity of realistic benchmarks.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。