Fugu-MT 論文翻訳(概要): UniLog: Deploy One Model and Specialize it for All Log Analysis Tasks

論文の概要: UniLog: Deploy One Model and Specialize it for All Log Analysis Tasks

arxiv url: http://arxiv.org/abs/2112.03159v1
Date: Mon, 6 Dec 2021 16:49:33 GMT
ステータス: 処理完了
システム内更新日: 2021-12-07 19:49:22.915340
Title: UniLog: Deploy One Model and Specialize it for All Log Analysis Tasks
Title（参考訳）: UniLog: 1つのモデルをデプロイして、すべてのログ分析タスクに特化
Authors: Yichen Zhu and Weibin Meng and Ying Liu and Shenglin Zhang and Tao Han and Shimin Tao and Dan Pei
Abstract要約: UniLog: ひとつのモデルをデプロイし、すべてのログ分析タスクに特化する。 UniLog: ひとつのモデルをデプロイし、すべてのログ分析タスクに特化する。
参考スコア（独自算出の注目度）: 11.446749731824378
License: http://creativecommons.org/licenses/by/4.0/
Abstract: UniLog: Deploy One Model and Specialize it for All Log Analysis Tasks
Abstract（参考訳）: UniLog: 1つのモデルをデプロイして、すべてのログ分析タスクに特化

関連論文リスト

LogLM: From Task-based to Instruction-based Automated Log Analysis [22.44842963552044]
既存のアプローチでは、ログ分析を独立したタスクを実行するためのモデルトレーニングとして扱うことが多い。本稿では,対数ラベル対を命令応答対の統一形式に変換する命令ベーストレーニング手法を提案する。トレーニングされたモデルであるLogLMは、複雑なユーザ命令に従って、さまざまなタスクをまたいでより一般化することができます。
論文参考訳（メタデータ） (2024-10-12T03:36:52Z)
Stronger, Cheaper and Demonstration-Free Log Parsing with LLMs [18.240096266464544]
トレーニングプロセスやラベル付きデータを必要としない,費用対効果の高いLCMベースのログであるLogBatcherを提案する。我々は16の公開ログデータセットの実験を行い、ログ解析にLogBatcherが有効であることを示した。
論文参考訳（メタデータ） (2024-06-10T10:39:28Z)
LogFormer: A Pre-train and Tuning Pipeline for Log Anomaly Detection [73.69399219776315]
本稿では,ログ異常検出(LogFormer)のためのTransformerベースの統合フレームワークを提案する。具体的には、ログデータの共有セマンティック知識を得るために、まず、ソースドメイン上で事前学習を行う。そして、そのような知識を共有パラメータを介して対象領域に転送する。
論文参考訳（メタデータ） (2024-01-09T12:55:21Z)
One for All: Towards Training One Graph Model for All Classification Tasks [61.656962278497225]
様々なグラフタスクの統一モデルは、主にグラフ学習領域に固有の課題のために、まだ探索されていない。上記の課題に対処するために単一のグラフモデルを使用できる最初の汎用フレームワークである textbfOne for All (OFA) を提案する。 OFAは様々なタスクでうまく機能し、グラフ上の最初の汎用のクロスドメイン分類モデルとなる。
論文参考訳（メタデータ） (2023-09-29T21:15:26Z)
Prompting for Automatic Log Template Extraction [6.299547112893045]
DivLogは、大規模言語モデル(LLM)の非コンテキスト学習(ICL)能力に基づく効果的なログ解析フレームワークである。プロンプト内の例のセマンティクスをマイニングすることで、DivLogはトレーニング不要な方法でターゲットログテンプレートを生成する。
論文参考訳（メタデータ） (2023-07-19T12:44:59Z)
UniSumm and SummZoo: Unified Model and Diverse Benchmark for Few-Shot Summarization [54.59104881168188]
textscUniSummは、複数の要約タスクで事前訓練された、統合された数ショットの要約モデルである。 textscSummZooは、スクリーンショットの要約をよりよく評価するための新しいベンチマークである。
論文参考訳（メタデータ） (2022-11-17T18:54:47Z)
Towards Grand Unification of Object Tracking [84.79161638034282]
同一モデルパラメータを用いた単一ネットワークで4つの追跡問題(SOT, MOT, VOS, MOTS)を同時に解く統一手法Unicornを提案する。トラッキングネットワークアーキテクチャと学習パラダイムの大きな統合を初めて達成しました。
論文参考訳（メタデータ） (2022-07-14T17:27:19Z)
OneLog: Towards End-to-End Training in Software Log Anomaly Detection [0.0]
OneLogは文字レベルでCNN(Conal Neural Networks)を使用して数字、数字、句読点を取得する。 Onelogは私たちのデータセットで最先端のパフォーマンスを提供します。プロジェクト間の異常検出は、1つのプロジェクトペアで可能である。
論文参考訳（メタデータ） (2021-04-15T09:23:32Z)
Self-Supervised Log Parsing [59.04636530383049]
大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。既存のアプローチは、ログ特化や手動ルール抽出に依存している。本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
論文参考訳（メタデータ） (2020-03-17T19:25:25Z)
Evaluating Logical Generalization in Graph Neural Networks [59.70452462833374]
グラフニューラルネットワーク(GNN)を用いた論理一般化の課題について検討する。ベンチマークスイートであるGraphLogでは、学習アルゴリズムが異なる合成論理でルール誘導を実行する必要がある。モデルが一般化し適応する能力は、トレーニング中に遭遇する論理規則の多様性によって強く決定される。
論文参考訳（メタデータ） (2020-03-14T05:45:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。