lrzHHl的博客

日志作为半结构化文本具有丰富的语义信息，因此全面理解日志对于自动化日志分析至关重要。随着自然语言处理中预训练语言模型的成功，许多研究都利用这些模型来理解日志。尽管取得了成功，但现有的预训练语言模型仍然存在三个弱点。这些模型不能理解特定于领域的术语，尤其是缩写。这些模型难以充分捕获完整的日志上下文信息。这些模型难以获得同一原木的不同样式的通用表示。为了解决前两个挑战，我们分别利用公共文档中日志的缩写和自然语言描述作为本地和全局知识，并通过设计新的预训练任务来增强模型来利用这些知识。

**问题*** 许多自动日志工具被设计用来帮助开发人员完成日志任务之一。这些工具在某些情况下很有用，但通常不能提供全面的日志解决方案。* 尽管最近的研究已经开始探索端到端日志，但它仍然在很大程度上受到微调的高成本的限制，阻碍了它在软件开发中的实际用途。**创新点*** UniLog是一个基于大型语言模型(llm)的上下文学习(ICL)范式的自动日志框架。* UniLog可以生成一个适当的日志记录语句，该语句只包含一个提示符，其中包含五个演示示例，而不需要任何模型调优。* UniLog在预热后只