Introducing ARFBench: A time series question-answering benchmark based on real incidents
每年由于系统故障造成的损失超过一万亿美元。为了解决这些问题，工程师必须快速排除故障。事件响应中的一项重要任务涉及分析可观测性指标或反映软件系统运行状况的时间序列数据。例如，服务工程师可能会使用 Datadog 来回答诸如“延迟何时开始增加？”之类的问题。以及“延迟之外的哪些指标也表现异常？”定位异常行为的根本原因。这些时间序列问答 (TSQA) 任务对于工程师来说至关重要，并且为 SRE 模型和代理提供了具有挑战性且必要的任务。在这项工作中，我们探讨了 AI 模型执行 TSQA 任务的程度。为此，我们很高兴推出异常推理框架基准 (ARFBench)，这是一个 TSQA 基准，源自 Datado
ГФМЛ №30 приняли участие в Asia Pacific Open Championship
7月9日至7月11日，SFML第30机器人工程中心的FIRST Tech Challenge团队代表俄罗斯在线参加亚太公开锦标赛，进入半决赛，并获得了多个享有盛誉的非游戏奖项——思考奖和创新奖。来自五大洲的20多支最强队伍同时参加比赛，主办方位于澳大利亚悉尼。
