PulseAugur
中
实时 10:09:48
English(EN) On Sequence-to-Sequence Models for Automated Log Parsing

Transformer和Mamba模型在自动化日志解析研究中领先

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新的arXiv研究论文评估了四种用于自动化日志解析的序列建模架构，发现Transformer模型在平均相对编辑距离为0.111的情况下取得了最佳性能。Mamba模型提供了一种具有成本效益的替代方案，计算成本显著降低。研究还表明，字符级分词通常能提高准确性，而序列长度对Transformer的性能影响很小。 AI

影响 为选择用于自动化日志解析的序列建模架构提供了实用指导，突出了Transformer和Mamba的有效性。

排序理由 在arXiv上发表的学术论文，详细介绍了对用于日志解析的序列到序列模型的实证研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Adam Sorrenti, Andriy Miranskyy ·

    On Sequence-to-Sequence Models for Automated Log Parsing

    arXiv:2602.07698v2 Announce Type: replace-cross Abstract: Context: Log parsing is a critical standard operating procedure in software systems, enabling monitoring, anomaly detection, and failure diagnosis. However, automated log parsing remains challenging due to heterogeneous lo…

相关实体

相关话题