{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部分”：[[2024,5,31]]，“日期-时间”：“2024-05-31T16:00:00Z”，“时间戳”：1717171200587}，“出版商位置”：“美国纽约州纽约市”，“引用-计数”：45，“出版者”：“ACM”，“内容-域”：{-“域”：[”dl.ACM.org“]，“交叉标记限制“：true}，”short-container-title“：[]，“published-print”：{“date-parts”：[[2023,8,6]]}，“DOI”：“10.1145\/3580305.3599934”，“type”：“proceedings-article”，“created”：{“date-ports”：[2023,8,4]]，“date-time”：“2023-08-04T18:13:58Z”，“timestamp”：1691172838000}，《update-policy》：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“source”：“Crossref”，“is-referenced-by-count”：4，“title”：[“通过从人的反馈中进行分层强化学习对微服务系统进行根本原因分析”]，“前缀”：“10.1145”，“作者”：[{“ORCID”：“http://\/ORCID.org\/0000-0002-7305-1496”，“authenticated-ORCID”：false，“给定”：“卢”，“家族”：“王”，“sequence”：“first”，“affiliation”：[}“name”：“Microsoft，Beijing，China”}]}，{“OR CID”：“http:\/\/orcid.org/0000-0002-1304-6839”，“已验证的orcid”：false，“给定的”：“朝云”，“家族”：“张”，“序列”：“附加的”，“附属的”：[｛“name”：“Microsoft，Beijing，China”｝]｝，｛“orcid”：“http:\/\/orcid.org/0000-0002-7800-8227”，“已验证的orcid”：false，“给定的”：“若梦”，“家族”：“丁”，“序列”：“附加的”，“附属的”：[｛“name”：“佐治亚理工大学，佐治亚州亚特兰大”}]}，{“ORCID”：“http://\/ORCID.org\/0000-0003-4442-0165”，“authenticated-ORCID”：false，“given”：”Yong“，”family“：”Xu“，”sequence“：”additional“，”affiliation“：[{“name”：“Microsoft，Beijing，China”}]neneneep，{”ORCID“：”http://\/ORCID.org\/20009-0006-6955-5196“，”authenticationd-ocid“：false”，“gived”：“Qihang”，“家族”：“陈”，“序列”：“additional”，“affiliation”：[{“name”：“北京大学，中国北京”}]}，{“ORCID”：“http://\/ORCID.org\/0009-0003-0901-7466”，“authenticated-ORCID”：false，“given”：”Wentao“，”family“：”Zou“，”sequence“：”additional“，”affiliance“：[{name“：”Microsoft，Suzhou，China“}]}，{”ORCID“：”http://\/ocrid.org\/0009-0001-0548-2614“，”authentica ted-ORCID“：false，”给定“：“清军”，“家族”：“陈”，“序列”：“附加”，“从属关系”：[{“名称”：“微软，苏州，中国”}]}，{“ORCID”：“http://\/ORCID.org\/0009-0004-4714-9053”，“authenticated-ORCID”：false，“给定”：“孟”，“家庭”：“张”，“顺序”：“额外”，“附属关系”：[{“姓名”：“Microsoft，苏州，中国”}]{，{ORCID“：”http://\/ocrid.org \/0009-0009-5460-9122“，“authenticated-orcid”：false，“given”：“Xuedong”，“family”：“Gao”，“sequence”：“additional”，“affiliation”：[{“name”：“Microsoft，Suzhou，China”}]}，{“orcid”：”http://\/orcid.org\/0009-0008-7845-1991“，”authentimated-orcid:false，”given“：”Hao“，”family“：”Fan“sequencence”：”additional“，”affiliance“:[{”name“：”微软，苏州，China“”：“http://\/orcid.org\/00000-0002-2019-213X”，“authenticated-orcid”：false，“given”：“Saravan”，“family”：“Rajmohan”，”sequence“：”additional“，”affiliation“：[{”name“：”Microsoft 365，Seattle，WA，USA“}]}，{”orcid“：”http://\/orcid.org\/0000-0003-2559-2383“，”authenticationed-orcid“：false”，“give”：“Qingwei”，“家族”：“Lin”，，“sequence”：“additional”，“从属关系”用法：[{“name”：“Microsoft，Beijing，China”}]}，{“ORCID”：“http://\/ORCID.org\/0000-0002-9230-2799”，“authenticated-ORCID”：false，“given”：”Dongmei“，”family“：”Zhang“，”sequence“：”additional“，”affiliation“：[{name“：”Microsoft，Bei China“}]}]，“member”：“320”，“published-online”：{“date-parts”：[2023,8,4]]}、“reference”：[{'key“：”e_1_3_2_1_1“，”volume-title“：“（micro）基于服务的云应用程序中的异常检测和故障根源分析：一项调查。ACM Computing Surveys（CSUR），55（3）：1-39”，“author”：“Soldani Jacopo”，“year”：“2022”，“unstructured”：“Jacopo Soldani and Antonio Brogi。异常检测和失败根源分析（micro基于服务的云应用程序：调查。ACM计算调查（CSUR），55（3）：1-392022年。雅各布·索尔达尼和安东尼奥·布罗吉。基于（微）服务的云应用程序中的异常检测和故障根源分析：一项调查。ACM Computing Surveys（CSUR），55（3）：1-392022。“}，{”key“：”e_1_3_2_2_1“，”first page“：“287”，”volume-title“：”SCF 2019，美国加利福尼亚州圣地亚哥，2019年6月25日至30日，Proceedings 12“，”authors“：”Liu Haifeng“，”year“：”2019“，”unstructured“：”Haifen Liu，Jinjun Zhang，Huasong Shan，Min Li，Yuan Chen，Xiaofeng He，and Xiaowi。Jcallgraph：跟踪超大规模容器云平台中的微服务。2019年云计算-云计算：第12届国际会议，作为服务会议联合会的一部分，2019年6月25日至30日在美国加利福尼亚州圣地亚哥举行，会议记录12，第287-302页。斯普林格，2019年。刘海峰（Haifeng Liu）、张金军（Jinjun Zhang）、单华松（Huasong Shan）、李敏（Min Li）、陈元（Yuan Chen）、何晓峰（Xiaofeng He）和李晓伟（Xiaowei Li。Jcallgraph:跟踪超大规模集装箱云平台中的微服务。2019年云计算-云计算：第12届国际会议，作为服务会议联合会的一部分，2019年6月25日至30日在美国加利福尼亚州圣地亚哥举行，会议记录12，第287-302页。Springer，2019.“}，{”key“：”e_1_3_2_2_3_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TSE.2018.2887384”}，“key”：“e_1_ 3_2_4_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/ICSE-SEIP58684.2023.00029“}”，{\/3447548.3467190“}，{”key“：”e_1_3_2_2_6_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ICSE-SEIP52600.2021.00043“}，{”key“：”e_1_3_2_2_7_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/CCGRID.2018.00076”}，“key”：“e_1_ 3_2_8_1”，“首页”：“1666”，“volume-title”：“国际人工智能与统计会议”，“author”：“Budhathoki Kailash”，”年份“2021”，“非结构化”：“Kailash Budhathoki、Dominik Janzing、Patrick Bloebaum和Hoiyi Ng。为什么分布发生了变化？国际人工智能与统计会议，第1666-1674页。PMLR，2021年。Kailash Budhathoki、Dominik Janzing、Patrick Bloebaum和Hoiyi Ng。为什么分布发生了变化？国际人工智能与统计会议，第1666-1674页。PMLR，2021.“}，{”key“：”e_1_3_2_2_9_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/IWQoS49365.2020.9213058”}，“key”：“e_1_ 3_2_10_1”，“doi-assert-by”：“crossref”，”首页“：”3“，”doi“：”10.1007\/978-3030-03596-9_1”“，”volume-title“：”面向服务的计算：第16届国际会议，2018年11月12日至15日，中国杭州，ICSOC 2018，第16期，“作者”：“林进进”，“年份”：“2018”，“非结构化”：“林进进，陈鹏飞，郑子斌。显微镜：通过微服务环境中的因果图来确定性能问题。面向服务的计算：第16届国际会议，2018年11月12日至15日，中国杭州，ICSOC 2018，会议记录16，第3-20页。施普林格，2018年。林锦锦、陈鹏飞、郑紫斌。显微镜：通过微服务环境中的因果图来确定性能问题。面向服务的计算：第16届国际会议，2018年11月12日至15日，中国杭州，ICSOC 2018，会议记录16，第3-20页。Springer，2018。“}，{”key“：”e_1_3_2_2_11_1“，”unstructured“：”穆罕默德·阿扎姆·伊克拉姆·萨塔克·查克拉博蒂（Muhammad Azam Ikram Sarthak Chakraborty Subrata Mitra Shiv Saini Saurabh Bagchi）和穆拉特·科卡格鲁（Murat Kocaoglu）。通过因果发现对微型设备故障的根本原因进行分析。神经信息处理系统进展。穆罕默德·阿扎姆·伊克拉姆·萨塔克·查克拉博蒂（Muhammad Azam Ikram Sarthak Chakraborty Subrata Mitra Shiv Saini Saurabh Bagchi）和穆拉特·科卡格鲁（Murat Kocaoglu）。通过因果发现分析微服务故障的根本原因。神经信息处理系统进展。“}，{”key“：”e_1_3_2_2_12_1“，”首页“：”32“，”article-title“：”从软干预中描述和学习具有潜在变量的因果图“，”author“：”Kocaoglu Murat“，”year“：”2019“，”unstructured“：”Murat Kocaoglu、Amin Jaber、Karthikeyan Shanmugam和Elias Bareinboim。从软干预中描述和学习带有潜在变量的因果图。《神经信息处理系统进展》，2019年第32期。Murat Kocaoglu、Amin Jaber、Karthikeyan Shanmugam和Elias Bareinboim。从软干预中描述和学习带有潜在变量的因果图。《神经信息处理系统进展》，2019年第32期朱迪娅·珀尔。因果关系。剑桥大学出版社，2009年。朱迪娅·珀尔。因果关系。剑桥大学出版社，2009.“}，{”key“：”e_1_3_2_2_14_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3534678.3539024”}，“key”：“e_1_ 3_2_15_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/SMC.2019.8913901“}”，{训练语言模型，使其遵循带有人类反馈的指令。arXiv预印本arXiv:2203.02155“，“作者”：“欧阳龙”，“年份”：“2022”，“非结构化”：“龙欧阳，杰夫·吴，徐江，迪奥戈·阿尔梅达，卡罗尔·温赖特，帕梅拉·米什金，张冲，桑迪尼·阿加瓦尔，卡塔琳娜·斯拉玛，亚历克斯·雷，训练语言模型以遵循指令并提供人类反馈。arXiv预打印arXiv:2203.021552022。Long Ouyang、Jeff Wu、Xu Jiang、Diogo Almeida、Carroll L Wainwright、Pamela Mishkin、Chong Zhang、Sandhini Agarwal、Katarina Slama、Alex Ray等。训练语言模型以遵循指令并提供人的反馈。arXiv预印本arXiv:2203.021552022。“}，{“key”：“e_1_3_2_2_17_1”，“volume-title”：“宪法ai:来自ai反馈的无害性。arXiv预先印本arXiv:2212.08073”，“作者”：“白云涛”，“年份”：“2022”，“非结构化”：“白云涛（Yuntao Bai）、索拉夫·卡达沃斯（Saurav Kadavath）、桑迪潘·昆杜（Sandipan Kundu）、阿曼达·阿斯克尔（Amanda Askell）、杰克逊·科尼翁（Jackson Kernion）、安迪·琼斯（Andy Jones）、安娜·陈（Anna Chen）、安纳·戈迪（Anna Goldie）、。arXiv预印本arXiv:22212.080732022。Yuntao Bai、Saurav Kadavath、Sandipan Kundu、Amanda Askell、Jackson Kernion、Andy Jones、Anna Chen、Anna Goldie、Azalia Mirhosini、Cameron McKinnon等。宪法人工智能：来自人工智能反馈的无害性。arXiv预印本arXiv:2212.080732022。“}，{“key”：“e_1_3_2_2_18_1”，“volume-title”：“稀疏因果图的快速恢复算法。社会科学计算机评论，9（1）：62-72”，“author”：“Spirtes Peter”，“year”：“1991”，“unstructured”：“彼得·斯皮特斯和克拉克·格雷摩尔。一种稀疏因果图的快速恢复算法。《社会科学计算机评论》，9（1）：62-721991年。彼得·斯皮特斯和克拉克·格雷摩尔。稀疏因果图的快速恢复算法。社会科学计算机评论，9（1）：62-721991。“}，{“key”：“e_1_3_2_2_19_1”，“volume-title”：“预测和搜索”，“author”：“Spirtes Peter”，“year”：“2000”，“unstructured”：“彼得·斯皮茨、克拉克·N·格林摩尔、理查德·谢恩斯和大卫·赫克曼。因果关系、预测和搜索。麻省理工学院出版社，2000年。彼得·斯皮特斯（Peter Spirtes）、克拉克·格雷摩尔（Clark N Glymour）、理查德·谢恩斯（Richard Scheines）和大卫·赫克曼（David Heckerman）。因果关系、预测和搜索。麻省理工出版社，2000年。“}，{“key”：“e_1_3_2_2_20_1”，“volume-title”：“没有眼泪的Dags:结构学习的持续优化。神经信息处理系统进展，31”，“作者”：“郑迅”，“年份”：“2018”，“非结构化”：“Xun Zheng、Bryon Aragam、Pradeep K Ravikumar和Eric P Xing。无泪达格：结构学习的持续优化。神经信息处理系统的进展，312018。Xun Zheng、Bryon Aragam、Pradeep K Ravikumar和Eric P Xing。无泪达格：结构学习的持续优化。神经信息处理系统进展，2018年31月。“}，{“key”：“e_1_3_2_21_1”，“首页”：“3414”，“volume-title”：“人工智能与统计国际会议”，“author”：“Zheng Xun”，“year”：“2020”，“unstructured”：“Xun Zheng、Chen Dan、Bryon Aragam、Pradeep Ravikumar和Eric Xing。学习稀疏的非参数dag。在国际人工智能和统计会议上，第3414-3425页。PMLR，2020年。Xun Zheng、Chen Dan、Bryon Aragam、Pradeep Ravikumar和Eric Xing。学习稀疏的非参数dag。在国际人工智能和统计会议上，第3414-3425页。PMLR，2020。“}，{“key”：“e_1_3_2_22_1”，“volume-title”：“学习表征国际会议”，“author”：“Zhu Shengyu”，“unstructured”：“朱胜宇（Shengyu Zhu）、Ng（Ignavier Ng）和陈志堂（Zhitang Chen）。通过强化学习发现因果关系。在学习代表国际会议上。朱胜宇（Shengyu Zhu）、Ng（Ignavier Ng）和陈志堂（Zhitang Chen）。通过强化学习发现因果关系。在学习代表国际会议上。“}，{”key“：”e_1_3_2_23_1“，”首页“：”424“，”volume-title“：”通过计量经济学模型和交叉谱方法研究因果关系。计量经济学：计量经济学学会杂志“，”author“：”Granger Clive WJ“，”year“：”1969“，”unstructured“：”克莱夫·WJ·格兰杰。通过计量经济学模型和交叉谱方法研究因果关系。《计量经济学：计量经济学学会杂志》，第424-4381969页。克莱夫·W·J·格兰杰。通过计量经济学模型和交叉谱方法研究因果关系。《计量经济学：计量经济学学会杂志》，第424-438页，1969年。“}，{”key“：”e_1_3_2_24_1“，”first page“：“1”，”volume-title“：”Proceedings of the 26 Annual International Conference on Mobile Computing and Networking“，”author“：”Zhang Chaoyun“，“year”：“2020”，”unstructured“：”张超云、Marco Fiore、Cezary Ziemlicki和Paul Patras。显微镜：将移动服务流量分解为网络切片服务。《第26届移动计算与网络国际年会论文集》，第1-14页，2020年。张朝云（Chaoyun Zhang）、马可·菲奥雷（Marco Fiore）、塞萨里·齐姆利奇（Cezary Ziemlicki）和保罗·帕特拉斯（Paul Patras）。显微镜：将移动服务流量分解为网络切片服务。《第26届移动计算与网络国际年会论文集》，第1-14页，2020年。ted-by“：”publisher，“DOI”：“10.1145\/3143361.3143393”}，{“key”：“e_1_3_2_28_1”，“volume-title”：“Kernel-granger因果关系与动态网络分析。物理评论e，77（5）：056215”，“author”：“Marinazzo Daniele”，“year”：“2008”，“unstructured”：“丹尼尔·马里纳佐（Daniele Marinazzo）、马里奥·佩利科罗（Mario Pellicoro）和塞巴斯蒂亚诺·斯特拉马格里亚（Sebastiano Stramaglia）。核-格兰杰因果关系与动态网络分析。物理评论E，77（5）：0562152008。丹尼尔·马里纳佐（Daniele Marinazzo）、马里奥·佩利科罗（Mario Pellicoro）和塞巴斯蒂亚诺·斯特拉马格里亚（Sebastiano Stramaglia）。核-格兰杰因果关系与动态网络分析。物理评论E，77（5）：056215，2008.“}，{”key“：”E_1_3_2_29_1“，”volume-title“：”提交第十一届国际学习表征会议“，”author“：”Anonymous“，”year“：”2023“，”unstructured“：”匿名者。CUTS：非结构化时间序列数据的神经因果发现。提交给2023年第十一届国际学习代表大会。正在审查中。匿名。CUTS：非结构化时间序列数据的神经因果发现。提交给2023年第十一届国际学习代表大会。正在审查中。“}，{”key“：”e_1_3_2_30_1“，”首页“：”509“，”volume-title“：”因果学习与推理会议“，”author“：”L\u00f6we Sindy“，”year“：”2022“，”unstructured“：”辛迪·L\u00f6we、大卫·马德拉斯、理查德·泽梅尔和马克斯·威林。摊销因果发现：学习从时间序列数据推断因果图。在因果学习和推理会议上，第509-525页。PMLR，2022年。辛迪·L\u00f6we、大卫·马德拉斯、理查德·泽梅尔和马克斯·威林。摊销因果发现：学习从时间序列数据推断因果图。在因果学习和推理会议上，第509-525页。PMLR，2022.“}，{”key“：”e_1_3_2_2_31_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/INFOCOM.2014.6848128“}、{”密钥“：”e_1_3_2_32_1“、”doi-sserted-by”：“publisher”，“doi”：“10.1145\/2494232.2465753”}，“key”：“e_3_2_33_1”3460319.3464805“}，{”密钥“：”e_1_3_2_2_34_1“，”卷时间“：”通过深度强化学习进行持续控制。arXiv预印本arXiv:1509.02971“，“作者”：“Lillicrap Timothy P”，“年份”：“2015”，“非结构化”：“Timothy-P Lillicrop，Jonathan J Hunt，Alexander Pritzel，Nicolas Heess，Tom Erez，Yuval Tassa，David Silver，and Daan Wierstra。通过深度强化学习进行持续控制。arXiv预印arXiv:1509.029712015。蒂莫西·利利克拉普（Timothy P Lillicrap）、乔纳森·亨特（Jonathan J Hunt）、亚历山大·普里泽尔（Alexander Pritzel）、尼古拉·赫斯（Nicolas Heess）、汤姆·埃雷斯（Tom Erez）、尤瓦尔·塔萨（Yuval Tassa）、。通过深度强化学习进行持续控制。arXiv预印本arXiv:1509.029712015。“}，{“key”：“e_1_3_2_2_35_1”，“volume-title”：“模型，推理和推理”，“author”：“Judea Pearl”，“year”：“2000”，“unstructured”：“朱迪亚·珀尔等人，模型，推理与推理。英国剑桥：剑桥大学出版社，19（2），2000。朱迪亚·珀尔等人。模型、推理和推理。英国剑桥：剑桥大学出版社，19（2），2000。“}，{”key“：”e_1_3_2_36_1“，”volume-title“：”n人游戏的值“，”author“：”Shapley Lloyd S“，”year“：”1953“，”unstructured“：”Lloyds Shapley n人游戏值。1953.Lloyde S Shapley et al.n人游戏数值。1953.“}”，{“key”：“e_1_ 3_2_37_1”，“volume-tite”：“”第38届人工智能不确定性会议”，“作者”：“Assaad Charles K.”，“年份”：“2022年”，“非结构化”：“Charles K.Assaad、Emilie Devijver和Eric Gaussier。时间序列中扩展摘要图的因果发现。在2022年第38届人工智能不确定性会议上。Charles K.Assaad、Emilie Devijver和Eric Gaussier。时间序列中扩展摘要图的因果发现。第38届人工智能不确定性会议，2022年。“}，{“key”：“e_1_3_2_2_38_1”，“volume-title”：“https:\\/github.com/rshriram\/pymicro”，“year”：“2023”，“unstructured”：“用Python编写的基于微服务的示例应用程序。https:\\/github.com/rshrriram\/pymmicro，2023年。[在线；2023年1月27日访问].用Python编写的基于微服务的示例应用程序。https:\/\/github.com/rshriram\/pymicro，2023年。[在线；于2023年1月27日访问]。“}，{”key“：”e_1_3_2_2_39_1“，”doi-asserted-by“：”publisher“，34（1996）011<0003:TFAASE>2.0.CO；2“}，{”key“：”e_1_3_2_2_42_1“，”doi-asserted-by“：”publisher“，”DOI“：”10.1007\/s41109-019-0156-x“}，{“key”：“e_1_3_2_2_43_1”，“DOI-asserted-by”：“publisher”，”DOI:“10.1145\/3447548.3467075”}，“{”key“：”e_1_ 3_2_44_1“，“DOI-asserted-by”：”publisher“2021年USENIX年度技术会议记录”，“作者”：“马明华”，“年份”：“2021年”，“非结构化”：“马明华和张胜林。在线服务系统的跳跃式多元时间序列异常检测。2021年USENIX年度技术会议记录，2021年。马明华和张盛林。在线服务系统的跳跃式多元时间序列异常检测。在2021年USENIX年度技术会议记录中，“}”，“event”：{“name”：“KDD’23:第29届ACM SIGKDD知识发现和数据挖掘会议”，“location”：“Long Beach CA USA”，“缩写词”：“KDD’23”，“赞助商”：[“SIGMOD ACM Special Interest Group on Management of Data”，“SIGKDD ACM数据知识发现特别兴趣小组“]}，“container-title”：[“第29届ACM SIGKDT知识发现和数据挖掘会议记录”]，“original-title“：[]，”link“：[{“URL”：“https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3580305.3599934”，“content-type”：“unspecified”，“内容-版本”：“vor”，“intended-application”：“相似性检查“}”，“存放”：{“日期部分”：[[2023,12,18]]，“日期时间”：“2023-12-18T13:56:50Z”，“时间戳”：1702907810000}，“分数”：1，“资源”:{“主要”：{“URL”：“https:\\/dl.acm.org\/doi\/10.1145\/3580305.3599934”}}，”副标题：[]，“短标题”：[]]]}，“references-count”：45，“alternative-id”：[“10.1145\/3580305.3599934“，”10.1145\/3580305“]，”URL“：”http://\/dx.doi.org\/10.1145\/3583005.3599934“，“关系”：{}，“主题”：[]，“发布”：{“日期-部件”：[[2023,8,4]]}，”断言“：[{“值”：“2023-08-04”，“顺序”：2，“名称”：“发布”，“标签”：“已发布”，”组“：{”名称“：“publication_history”，“标签”：“出版物历史”}}]}}