Resumen: Para aprovechar esta oportunidad, presentamos un marco de LLM adaptado al dominio, que sigue instrucciones y que aprovecha el razonamiento de cadena de pensamiento (CoT) para analizar y estructurar registros de HPC con alta fidelidad. Nuestro enfoque combina datos de plantillas de registros específicos del dominio con ejemplos ajustados por instrucciones para ajustar un modelo LLaMA de parámetros 8B diseñado para el análisis de registros HPC. Desarrollamos una metodología híbrida de ajuste que adapta un LLM de propósito general a datos de registro de dominios específicos, lo que permite un enfoque de minería de registros que preserva la privacidad, se puede implementar localmente, es rápido y energéticamente eficiente. Realizamos experimentos con un conjunto diverso de conjuntos de datos de registros del repositorio de LogHub. La evaluación confirma que nuestro enfoque logra una precisión de análisis a la par con modelos significativamente más grandes, como LLaMA 70B y Claude de Anthropic. Validamos aún más la utilidad práctica de nuestro modelo LLM perfeccionado al analizar más de 600 millones de registros de producción de la supercomputadora Frontier durante un período de cuatro semanas, descubriendo patrones críticos en la dinámica temporal, anomalías a nivel de nodo y correlaciones de registros de errores y cargas de trabajo.
Publicado originalmente en export.arxiv.org el 7 de abril de 2026.
Ver fuente original
