## Memo ![[Pasted image 20241019233556.png]] ## Memo with LLM ## Abstract 自動ログ解析は、ソフトウェアシステムの効率的な運用と保守（O&M）に不可欠であり、システムの動作に関する重要な洞察を提供する。 しかし、既存のアプローチのほとんどは、タスク固有のログとラベルのペアを使用して、孤立したタスクを実行するモデルを訓練するようにログ解析を扱っています。 これらのタスクベースのアプローチは、複雑なシナリオへの一般化において柔軟性に欠け、タスク固有のトレーニングデータに依存し、複数のモデルを展開する際に多大なコストがかかる。 本論文では、複数のタスクとドメインからのログ-ラベルペアを、指示-応答ペアの統一フォーマットに変換する、指示ベースの学習アプローチを提案する。 我々の学習済みモデルであるLogLMは、複雑なユーザの指示に従うことができ、異なるタスク間でより良く汎化することができるため、柔軟性が向上し、タスク固有の学習データへの依存を減らすことができる。 主要なログ分析タスクを単一のモデルに統合することで、我々のアプローチはモデル展開の負担も軽減します。 実験的に、LogLMは、5つのログ分析能力において既存のアプローチを凌駕し、複雑な命令や未知のタスクにおいて強力な汎化能力を示す。