1、
Candidate Sampling 候选采样
一个典型的ICL范式是从生产日志数量中采样一小部分示例日志数据。
确保候选集的多样性来降低
归纳偏见的潜在风险
因为不成比例的示例可能导致大模型对特定的例子过度 适合
此外,这些候选人应该具有代表性,
他们应该能够代表更多的日志数据来提供给大模型特定的系统特征
在实际应用中, 采样过程最初在历史数据上执行,并定期执行来维护动态候选集。
从而有助于适应日志数据的持续演变。 因此,采样效果至关重要。
Hierarchical clustering.
分层聚类
<