2023年12月16日，由中国计算机学会（CCF）、清华大学、中国建设银行股份有限公司、南开大学联合主办；CCF互联网专委会、清华大学计算机科学与技术系、中国建设银行股份有限公司运营数据中心、南开大学软件学院、北京必示科技有限公司承办的2023 CCF国际AIOps挑战赛决赛暨“大模型时代的AIOps”研讨会于北京西郊宾馆隆重召开。本次大会采用线下参会+线上全程直播形式，现场有超300人线下参会，同时有近5万人次观看线上直播。我院徐波副教授受邀参加并作论文分享。

在“运维大模型论文闪电分享”环节，带来了ESEC/FSE 2023、ICLR 2023、NeurIPS 2023、IWQoS 2023、ICSE 2024等多场国际会议的优质论文，从大模型应用、指标大模型、日志大模型三个方向分享基于大语言模型的智能运维最新的研究成果和观点。现场南开大学软件学院副教授张圣林、微软主管研究员马明华、清华大学计算机系周煊赫、香港中文大学（深圳）助理教授贺品嘉、莫纳什大学金明、清华大学软件学院吴海旭、我院副教授徐波、华为技术专家陶仕敏，分别带来《评估和总结:使用大语言模型提高对故障的理解》、《基于大语言模型的云故障根因分析》、《基于大语言模型的数据库异常诊断系统》、《基于上下文学习的自动化日志语句生成研究》、《Time-LLM: 通过重编程大型语言模型进行时间序列预测》、《TimesNet: 任务通用的时间序列分析骨干网络》、《SimMTM: 时间序列掩码预训练框架》、《KnowLog:基于知识增强的日志预训练语言模型》、《BigLog: 面向统一日志表示的无监督大规模预训练方法》、《LogPrompt:面向零样本和可解释性日志分析的提示工程》等顶会论文分享。

报告简介：本报告聚焦智能运维领域中的日志理解任务。在预训练语言模型在自然语言处理领域取得巨大成功的背景下，本研究发现直接将通用预训练语言模型应用到日志理解任务上效果不佳，存在三个主要缺陷。首先，难以理解日志中特定术语的含义。其次，难以理解整条日志的含义。第三，难以理解不同厂商对同一日志的不同表达。为了解决这些挑战，我们提出了KnowLog，一个基于领域知识增强的日志预训练模型，从公开手册中获得日志的相关领域知识并设计相应的自监督预训练任务以增强模型对于日志的理解。最后我们在六个不同的日志理解任务上进行了实验分析，结果表明KnowLog显著提高了日志理解的能力，并且在与没有领域知识增强的预训练语言模型相比，取得了最先进的结果。该成果发表在CCF A类软工会议ICSE 2024上。