研究团队开发的Jev驱动诊断管道在自动化故障排查中展现出显著优势。该系统在21个SREGym-Lite故障场景的105次诊断中成功率达76.2%，中位诊断时间仅为14.6秒。与GPT-5.6 Sol (medium)的77.8%成功率相比，Jev诊断速度快约7倍，成本低约200倍。
研究团队发布了ORCA-Bench基准，用于评估大语言模型Agent在生产环境应急响应中的根因分析能力。该基准包含1,079个系统化的根因分析任务，涵盖报告具体性、检测时间和并发故障场景等变化因素。