本研究通过大规模实证研究发现疏通指南 (TSGs) 被广泛使用，帮助减少云服务故障的缓解工作，但常常存在结构不明、内容不完整的问题，因此本文提出利用机器学习和程序合成自动化 TSGs 的 AutoTSG 框架并进行试验评估，结果显示其准确性达到 0.89，同时具有很高的精度和召回率。

May, 2022

SecurityKG 是一种自动化的开源网络安全威胁情报收集管理系统，利用 AI 和 NLP 技术提取有关威胁行为的知识，构建安全知识图谱，从而弥补现有 OSCTI 收集和管理平台忽视高级概念及其关系的不足。

Jan, 2021

本文研究以动词为指示符的任务定向检测问题，针对细化定位提出了基于 transformer 架构的 TOIST 方法，并提出了名词 - 代词提炼框架，使网络在输出时与名词无关。在大型数据集 COCO-Tasks 上的评估表明，该方法优于目前最佳结果。

Oct, 2022

本文从因果的角度探讨了深度学习模型在面对对抗性示例时的容易受到攻击的漏洞，提出了一种新的对抗性攻击防御框架 CISS，该框架采用平滑的方式在潜在的语义空间中学习因果效应，并在深层次结构的规模上实现了鲁棒性，并避免了为特定攻击定制噪声的繁琐构建。实验证明该框架能够抵御词语替代攻击，即使是强化了未知攻击算法的扰动。例如，对于 YELP，CISS 在认证鲁棒性方面超越亚军 6.7％，并在综合了语法攻击之后达到 79.4％的经验性鲁棒性。

May, 2022

该研究论文通过对微软大规模云管理系统中用于事件管理的 DSL 查询 KQL 的使用情况进行了全面的实证研究，并提出了 Xpert，一种自动化 KQL 查询推荐过程的机器学习框架。通过利用历史事件数据和大型语言模型，Xpert 生成针对新事件定制的 KQL 查询，并引入了一种名为 Xcore 的新颖性能指标进行查询质量的全面评估。该论文是该领域首次的经验证实研究，并且 Xpert 是为事件管理而设计的一种开创性的 DSL 查询推荐框架。

Dec, 2023

提供了一种 AIOps 术语和分类法，建立了结构化的事故管理程序，并提供了构建 AIOps 框架的指南，以提供 AIOps 领域的技术和研究方面的全面回顾，旨在构建知识，识别差距，并为该领域的未来发展奠定基础。

Apr, 2024

提出了一种基于依赖感知的事件链接 (DiLink) 框架，利用文本和服务依赖图信息，在同一服务以及不同服务和工作负载之间提高事件链接的准确性和覆盖率。通过正交 Procrustes 方法对多模态数据的嵌入进行对齐，实验结果表明，该方法相对于当前最先进方法提高了 14% 的 F1 得分。目前正在将该解决方案在来自 5 个工作负载的 610 个服务中进行部署，持续支持 OCEs 改善事件管理和减少手动劳动。

Feb, 2024

通过规划性评估互动的构建和智能诊断模型，我们提出了基于图的强化学习框架 PAI，以加强学生对指定概念的掌握，从而提高在线教育的有效学习。

Dec, 2023

该论文介绍了 INSCIT 数据集，该数据集用于信息搜索对话的研究，其中包含 805 个人 - 人之间的对话中的 4.7K 用户 - 代理器的交互，定义了证据段落识别和响应生成的两个子任务，以及一个新的人类评估协议以评估模型的性能，证实现有大量改进的空间。

Jul, 2022

本论文介绍了 CatIss，一种基于 Transformer 的预训练 RoBERTa 模型的自动 ISSue 报告分类器。该模型成功在 NLBSE 工具竞赛提供的数据集中进行了微调，经评估其在约 8 万个 GitHub issue 报告上表现良好，取得了 87.2％的 F1 分数。此外，CatIss 是一种通用的预测模型，可应用于任何未见过的软件项目或历史数据很少的项目。

Mar, 2022