深度分析
LogNEO:以 GPT‑Neo 與指數衰減位置獎勵實現即時日誌異常偵測
隨著資料中心日益龐大的系統日誌,LogNEO採用開源GPT‑Neo與位置感知衰減獎勵強化學習,提升長距離異常偵測,於HDFS、BGL與Thunderbird基準測得F1分別達0.927、0.913與0.984,較LogGPT召回提升最高6%。
深度分析
隨著資料中心日益龐大的系統日誌,LogNEO採用開源GPT‑Neo與位置感知衰減獎勵強化學習,提升長距離異常偵測,於HDFS、BGL與Thunderbird基準測得F1分別達0.927、0.913與0.984,較LogGPT召回提升最高6%。
深度分析
隨著系統日益複雜,從平面日誌偵測異常已不足。Krone自動從平面日誌抽取實體-動作-狀態三層階層,遞回分解執行序列並在每層進行模組化偵測,結合輕量本地比對與選擇性LLM推理,重用低階模式以節省計算,並提供層級化異常定位以利解釋。實驗顯示Krone大幅提昇F1與資源效率,並降低LLM使用量。