一篇新研究论文介绍了一种名为日志重建与距离（LoRD）的后验校准框架，旨在提高基于语言模型的日志异常检测系统的可靠性。这些系统通常校准不佳，导致过度自信的错误预测，尤其是在数据集不平衡的情况下。LoRD通过学习特定预测路径的可靠性模型，并利用重建距离来识别和重新校准高风险预测，从而在不影响检测性能的情况下减少过度自信的错误。在多个基准数据集和检测器上的实验表明，LoRD在提高置信度可靠性方面具有持续的有效性。 AI
影响 增强了用于关键基础设施监控的AI系统的可靠性。
排序理由 该集群包含一篇详细介绍日志异常检测新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
