主動式 AI 網路管理與報修 — 論文總覽

研究日期：2026-09-17 範圍：A. 主動式故障預測（報修前發現問題）、B. LLM Agent 自動排障、C. 使用者端（校園／企業網路的一鍵診斷、白話解釋、自動報修，2026-09-26 新增、09-27 縮小範圍） ✅ = 已開 arXiv 摘要頁核對作者／日期／摘要；⚠️ = 僅依搜尋結果摘要，尚未讀全文

相關既有筆記：2026-06-15-LAN-management-research、2026-06-22-LAN-management-research、2026-06-27-LAN-management-research（Configuration Repair 系列）、2026-06-28-LAN-management-research（預測性數位分身）

18 篇推薦論文的中文摘要、實驗成效與貢獻整理：推薦論文摘要、成效與貢獻

已讀全文的論文重點、過去提問與名詞解釋（RSSI、SNR、DHCP、ping2…）：閱讀整理-重點與名詞解釋

A. 主動式故障預測

A-1 從 syslog／告警預測設備故障（經典路線）

論文	年份	一句話	狀態
PreFix	POMACS 2018	同型號交換器故障前 syslog 模式相似，9,397 台交換器驗證	⚠️
NFV-Predictive-Analysis	IMC 2018	ISP 骨幹 vPE 用 LSTM + 遷移學習預測故障	⚠️
DeepSIP	AnNet 2020	預測故障的服務衝擊（恢復時間、流量損失）	✅

A-2 以報修／客訴為訊號

論文	年份	一句話	狀態
CableMon	NSDI’20 / ToN	用報修單當弱標籤訓練故障偵測器，分辨網路端 vs 用戶端	✅
Complaint-Hotspot-Prediction	2020	由 KPI 預測客訴熱點位置	⚠️

A-3 意圖式網路（IBN）／5G

論文	年份	一句話	狀態
MILD	2026/02	多意圖同時劣化時找出真正源頭，提前預警	✅
5G-UPF-Telemetry-Anomaly	2025/10	從遙測設計下手做細粒度異常偵測	⚠️

B. LLM Agent 自動排障

B-1 Agent 方法

論文	年份	一句話	狀態
SADE	2026/05	把 Cisco 排障方法寫成 agent 必須遵守的流程，RCA +37pp	✅
QoEReasoner	2026/06	RAN QoE 診斷，30 分鐘 → 3 分鐘	✅
MAS-SLM-Telecom-Troubleshooting	2025/11	多代理 + 微調小模型產生修復計畫	✅
Confucius	SIGCOMM 2025	Meta 正式環境的多代理意圖式網管	⚠️
Optical-Network-LLM-Agent-Field-Trial	2024/09	光網路生命週期管理 agent 現場實測	⚠️

業界系統：NetAssistant（ByteDance 值班支援 copilot，無公開 benchmark）

B-2 Benchmark

Benchmark	年份	評估能力	關鍵發現	狀態
NIKA	2025/12	事件診斷（54 類問題）	察覺得到，但定位／根因弱	✅
CTBench	2026/08	電信 RCA、路徑復原	答對也常缺乏證據支撐	✅
FaulT-Bench	2026/08	報修單不可靠時的排障	網路正常仍硬找故障（over-diagnosis）	✅
NetArena	2025/06	動態產生網路自動化任務	大規模情境平均僅 13–38%	✅
Cornetto	2026/04	設定修復（20–754 節點）	常引入 regression，規模越大越糟	✅
NetAgentBench	2026/04	多輪設定任務	專家級任務出現探索崩潰	✅

C. 使用者端（校園／企業網路）：一鍵診斷、白話解釋、自動報修

情境：學校或公司內部由 IT 單位管理的網路。詳細摘要、貢獻與解決的問題：使用者端一鍵診斷與報修-論文整理

問題	代表論文
P1 連不上網時資料送不出去	Client Conduit（MobiCom’04）、WiFiProfiler（MobiSys’06）
P2 關聯／802.1X／DHCP 失敗	Why It Takes So Long to Connect（INFOCOM’17）、校園 DHCP 實證研究（清華）、PROBE（2026，LLM 解析 802.11 封包）
P3 連上但很慢（Wi-Fi 瓶頸）	WiFiSeer（MobiSys’16，清華校園）、WiFi Weakest Link（INFOCOM’16）、[[企業無線跨層診斷（SIGCOMM’07）－繁體中文詳細導讀
P4 其實是共用服務出問題	Sherlock（SIGCOMM’07）、NetMedic（SIGCOMM’09）
P5 診斷結果要看得懂、能驗證	NetClinic（VAST’10）、Role of Language（CHI’19 LBW）、Why Is My Internet Slow?（CHI’11）
P6 報修內容不可靠	FaulT-Bench（含企業／校園拓樸）、SADE
P7 工單合併、分類、派工	NetSieve（NSDI’13）、iPACK（ICSE’23）、DeepTriage（KDD’20）、SiriusHelper（2026，LLM 助理減少 20.8% 工單）

研究缺口：A 與 B 還沒接起來

flowchart LR
    T[Telemetry / syslog / 報修單] --> P[A: 預測模型<br/>產生預警]
    P -->|目前多半停在這| X((人工處理))
    P -.->|缺口| V[B: Agent 查證]
    V -.-> N{真的有故障?}
    N -.->|否| C[安全地判定「沒事」]
    N -.->|是| R[診斷 → 修復 → 驗證]

A 組能提前預警，但輸出通常只是風險分數，後面沒有接自動診斷與修復。
B 組 agent 幾乎都是被動觸發（有報修單或人下指令才動），benchmark 也預設「已經知道出事了」。
FaulT-Bench 的 over-diagnosis 對主動式系統特別致命：預警本身誤報率高，agent 若硬找故障就可能去改沒壞的網路。Cornetto 又發現 LLM 修設定常引入 regression，兩個問題會疊加。
👉 「預測模型觸發 → agent 查證 → 能判定沒事 → 必要時才修復」的完整閉環，目前幾乎沒有論文或 benchmark 完整處理。

待確認問題

網路類型：企業／校園、資料中心、電信？
用途：論文題目、系統實作、知識整理？
資料：真實報修單／syslog／SNMP，或用模擬器（Mininet、Containerlab）？
限制：能否使用外部 LLM API，還是需要本地 SLM？
讀全文並補齊 ⚠️ 論文的作者與細節

主動式AI網管與報修-總覽