LogLM：从基于任务到基于指令的自动化日志分析

自动日志分析对于软件系统的高效运维（O&M）至关重要，它能提供对系统行为的关键洞察。然而，现有方法大多将日志分析视为使用特定任务的日志-标签对来训练模型执行孤立任务（例如，异常检测、日志解析等）。这些基于任务的方法在泛化到复杂场景时缺乏灵活性，依赖于特定任务的训练数据，并且在部署多个模型时成本高昂。在本文中，我们提出了一种基于指令的训练方法，该方法将来自多个任务和领域的日志-标签对转换为统一的指令-响应对格式。我们训练的模型LogLM能够遵循复杂的用户指令，并在不同任务之间更好地泛化，从而提高了灵活性并减少了对特定任务训练数据的依赖。通过将主要的日志分析任务集成到单个模型中，我们的方法还减轻了模型部署的负担。实验上，LogLM在五种日志分析能力上优于现有方法，并在复杂指令和未见任务上展现出强大的泛化能力。