检索方法提升LLM日志级别预测
热点事件持续更新
检索方法提升LLM日志级别预测
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Youssef Esseddiq Ouatiti 等人提出一种面向 LLM 日志级别预测的检索方法：按功能（相似代码操作）与归属（同一开发者维护的代码）两个社会技术维度检索示例，替代随机采样。 在十个 Java 项目上评估四个 LLM，相比随机基线 AUC 中位数提升 0.07；双信号结合后 AUC 中位数达 0.83 至 0.97，比 DeepLV 等监督式预测器中位数 AUC 高出 0.12 至 0.19。
AI 根据报道生成 · 19 分钟前更新
最新进展11月5日 13:00
检索优于规模：利用多重社会技术上下文实现高效日志级别预测报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.SE检索优于规模：利用多重社会技术上下文实现高效日志级别预测
一种面向 LLM 日志级别预测的检索方法，按功能（相似代码操作）与归属（同一开发者维护的代码）两个社会技术维度检索示例，替代随机采样。在十个 Java 项目上评估四个 LLM，相比随机基线 AUC 中位数提升 0.07，双信号结合后 AUC 中位数达 0.83 至 0.97。结果比 DeepLV 等监督式预测器中位数 AUC 高出 0.12 至 0.19。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。