Technical Support Specialist
Investigación privada sobre el uso de un modelo local de IA más pequeño para ayudar a desarrolladores a inspeccionar registros técnicos y diagnosticar incidentes de sistemas de mensajería. La precisión y la seguridad de las recomendaciones siguen en evaluación.
Qué estamos explorando
¿Puede un modelo pequeño ejecutado localmente ayudar a un ingeniero a interpretar registros de sistemas de mensajería sin recomendar cambios no verificados o destructivos? Probamos métodos de entrenamiento y evaluación para esa tarea.
Por qué es difícil
Los brokers de mensajes empresariales presentan cascadas complejas de fallas: agotamiento de grupos de hilos, límites del almacén del broker, índices de persistencia corruptos y tiempos de espera en cascada. Los modelos pequeños tienden a inventar configuraciones aparentemente plausibles o sugerir operaciones administrativas peligrosas sin aislar la causa raíz.
Panorama técnico
La investigación estudia una arquitectura de conocimiento en dos niveles. Los conceptos estables de middleware y los árboles estructurados de diagnóstico se entrenan directamente en los pesos del alumno mediante destilación de secuencias, mientras que el estado cambiante del entorno, los registros activos y las configuraciones específicas del sitio se gestionan con un sistema aislado de recuperación local. Los verificadores críticos de seguridad exigen citas exactas de pruebas y ponen automáticamente en cuarentena cualquier recomendación que implique operaciones inseguras con archivos.
Qué se está probando
Comparamos modelos candidatos con ejemplos reservados y comprobaciones de regresión dentro de un conjunto limitado de escenarios sintéticos de soporte técnico. Examinamos si las respuestas identifican el cuello de botella probable, citan material de respaldo y evitan acciones correctivas sin fundamento. Estas comprobaciones no son una evaluación externa independiente.
Qué se ha demostrado
El proceso de generación de datos, verificación, ajuste fino, cuantización y evaluación con casos reservados está implementado. Sigue en evaluación si el alumno logra la mejora requerida en el área.
Qué sigue pendiente
La generalización entre configuraciones heredadas arbitrarias y topologías de red personalizadas no vistas sigue siendo un desafío de investigación. Las evaluaciones sintéticas y de referencia seleccionadas no capturan por completo los registros ruidosos y ambiguos de diversos incidentes de producción. Distinguir la confianza del modelo de la corrección real sigue bajo investigación.
Estado actual de la investigación
Es investigación aplicada privada. Los experimentos con datos públicos y la calibración se mantienen separados de las fuentes privadas, con resultados de evaluación limitados a los datos y las condiciones usados.
