LogiCode：一种基于 LLM 的逻辑异常检测框架

Jun, 2024

LogiCode：一种基于 LLM 的逻辑异常检测框架

LogiCode: an LLM-Driven Framework for Logical Anomaly Detection

Yiheng Zhang, Yunkang Cao, Xiaohao Xu, Weiming Shen

TL;DRLogiCode 是一个利用大型语言模型，针对工业环境中的逻辑异常进行识别的新型框架，通过利用大型语言模型进行逻辑推理，LogiCode 自动生成 Python 代码来定位诸如组件数量错误或缺失元素等异常，这在异常检测技术上取得了重大突破。引入了自定义数据集 “LOCO-Annotations” 和基准 “LogiBench” 来评估 LogiCode 在二元分类准确度、代码生成成功率和推理准确性等各种指标上的性能。研究结果表明，LogiCode 在逻辑异常检测方面具有提高解释能力，显著提高了逻辑异常检测的准确性，并为已识别的异常提供了详细解释。这代表了工业异常检测中更智能、基于大型语言模型的方法的重要转变，对特定于行业的应用具有重大影响。

Abstract

This paper presents logicode, a novel framework that leverages Large Language Models (LLMs) for identifying logical anomalies in industrial settings, moving beyond traditional focus on structural inconsistencies.

logicode anomaly detection large language models logical reasoning industrial settings

发现论文，激发创造

Logic-LM: 使用符号求解器增强大型语言模型进行可靠的逻辑推理

Logic-LM 是一种将大型语言模型与符号推理相结合的框架，通过首先使用大型语言模型将自然语言问题转化为符号形式，然后进行确定性符号求解，以及自我精炼阶段来修正符号形式，在 ProofWriter、PrOntoQA、FOLIO 和 LogicalDeduction 等四个逻辑推理数据集上的结果表明，与仅使用大型语言模型相比，我们的方法可以显著提高逻辑推理的性能。

May, 2023

推进异常检测：使用 LLMs 进行非语义金融数据编码

利用大型语言模型对金融数据中的异常检测进行研究，通过测试三个预训练通用句子转换模型和五个优化过的机器学习模型，发现大型语言模型对异常检测是有价值的，特别是在金融账目条目中处理特征稀疏性方面的有效性。

Jun, 2024

如果 LLM 是巫师，那么代码就是魔棒：关于代码如何赋予大语言模型作为智能代理的调查

通过将代码集成到大型语言模型的训练数据中，可以提高语言模型的代码生成能力、推理能力以及生成结构化和精确的中间步骤，并将其转化为智能代理在复杂自然语言任务中的应用。

Jan, 2024

逻辑错误解码：学生与大型语言模型的缺陷检测比较研究

探索大型语言模型（LLMs）在检测和提供对逻辑错误的新手友好解释方面的性能，结合学生和模型响应的混合方法分析，观察到 LLMs 在逻辑错误识别方面的显著改进，认为两代 LLMs 在性能上显著优于学生。我们提出了如何将这些模型整合到计算机教育工具中，并讨论它们在支持学生学习编程方面的潜力。

Nov, 2023

编程语言模型是少样本通识学习者

本文展示了通过将结构化常识推推理任务框架化为代码生成任务，使用代码生成语言模型（CODEX）可以在自然语言任务上优于 T5 和 GPT-3 等先进语言模型，即使任务并不涉及源代码。

Oct, 2022

FLAG：使用生成性 AI 检测（代码中的）行异常

本研究提出了一种名为 FLAG 的方法，它基于生成人工智能的词汇能力来协助代码调试员识别和定位代码中的漏洞，同时也探讨了此分类中有用的特征，并评估了 FLAG 在 121 个基准测试中的性能。FLAG 能够识别 101 个缺陷，并将搜索空间减少到源代码的 12-17%。

Jun, 2023

语言模型能够模拟求解器吗？使用 LLMs 进行逻辑代码仿真

基于 Transformer 的大型语言模型（LLMs）在解决逻辑问题方面展现了显著的潜力，该研究调查了一种新颖的方向，即逻辑代码模拟，并引入了基于 LLMs 的代码模拟技术 DCoL，该技术相比其他 LLM 提示策略表现出最先进的性能，通过 GPT-4-Turbo 实现了精度提高 7.06%。

Mar, 2024

MoniLog: 云计算基础设施自动化日志异常检测系统

本文介绍了 MoniLog，一种用于检测大型系统中实时异常的分布式方法，旨在检测多源日志流中的顺序和数量异常，并通过输出分类器从管理员的操作中学习标记和评估异常的重要性。

Apr, 2023

语言模型可作为逻辑求解器

LoGiPT 是一种新颖的语言模型，通过直接模拟逻辑求解器的推理过程并严格遵守求解器的语法规则，绕过分析错误，并在竞争的语言模型上表现出优异的性能。

Nov, 2023

LogiGLUE: 逻辑推理能力的语言模型分析调查和基准评测

通过对最新进展的简要回顾，本文试图了解大型语言模型在逻辑推理方面的能力，包括逻辑推理数据集、任务以及利用大型语言模型进行推理的方法。通过构建基准测试集 LogiGLUE，并训练一个经过指令微调的语言模型 LogiT5，研究了单任务训练、多任务训练以及思维链知识蒸馏微调技术在不同逻辑推理类别上的表现，旨在揭示大型语言模型在逻辑推理中的能力和潜在路径，为该关键领域的高级和精细化发展铺平道路。

Oct, 2023