第48屆國際軟件工程大會（ICSE 2026）于2026年4月12日至18日在里約熱內(nèi)盧召開。作為軟件工程領(lǐng)域CCF A類頂會，ICSE被譽為“軟件領(lǐng)域的奧林匹克”，匯聚全球頂尖學者與工業(yè)界專家。會議期間，華為聯(lián)合南開大學就在數(shù)據(jù)通信領(lǐng)域的研究成果《R-Log: Incentivizing Log Analysis Capability in LLMs via Reasoning-based Reinforcement Learning（基于慢思考強化學習的大模型日志分析）》發(fā)表了技術(shù)報告，該成果針對大模型工業(yè)級日志分析的“幻覺”與“泛化難”痛點，提出基于推理的強化學習新范式，為網(wǎng)絡(luò)智能運維提供全新技術(shù)路徑。

R-Log核心方法：13套專家推理模板 + 雙階段訓練

現(xiàn)代軟件系統(tǒng)與通信網(wǎng)絡(luò)的日志數(shù)據(jù)復雜度遠超人力運維極限，現(xiàn)有大模型監(jiān)督微調(diào)方法因“領(lǐng)域鴻溝”易產(chǎn)生幻覺，且難以應(yīng)對未知故障場景。

為解決上述問題，華為與南開大學共同提出了R-Log——一種模擬人類結(jié)構(gòu)化、逐步分析思維的推理優(yōu)先范式。其整體框架包含兩大核心階段：

人類專家推理模板與數(shù)據(jù)構(gòu)建：團隊從運維手冊、經(jīng)驗規(guī)則及工程師訪談中提煉出13套推理模板，覆蓋日志解析、異常檢測、日志解釋、根因分析和解決方案推薦五類任務(wù)，融合概念式與程序式兩種思維方式。

雙階段訓練架構(gòu)：首先實現(xiàn)冷啟動，通過監(jiān)督微調(diào)（SFT）對推理鏈與答案進行模仿學習，使模型形成“先思考再回答”的基礎(chǔ)行為模式。再實現(xiàn)強化學習優(yōu)化，在模擬的多日志任務(wù)運維環(huán)境中，采用組相對策略優(yōu)化（GRPO）算法，并設(shè)計聯(lián)合獎勵函數(shù)，進一步提升模型在多任務(wù)場景下的策略可靠性與輸出精度。

實證結(jié)果：五項任務(wù)超越業(yè)界最佳，未知場景提升228%

基于真實日志數(shù)據(jù)的嚴格評估顯示，R-Log在全部五項日志分析任務(wù)上均顯著超越現(xiàn)有最佳模型，包括DeepSeek-V3.1、Qwen3-235B以及專業(yè)日志模型LogLM等。尤其在未見過的日志場景中，相較于非推理模型，R-Log的性能提升高達228.05%，展現(xiàn)了強大的泛化能力。此外，針對推理鏈帶來的時延問題，R-Log創(chuàng)新性地設(shè)計了“先輸出答案，再輸出思考過程”的反向結(jié)構(gòu)，推理時可在出現(xiàn)標記后立即截斷。該優(yōu)化方案在保留93%性能的同時獲得5倍速度提升，形成了可工業(yè)級高效部署的R-Log-fast版本。

華為與南開大學聯(lián)合打造的R-Log技術(shù)范式打破傳統(tǒng)“擬合答案”局限，模擬人類專家“先思考、后結(jié)論”的結(jié)構(gòu)化思維，通過強化學習自主學習日志潛在規(guī)則，在模擬運維環(huán)境中優(yōu)化分析策略，實現(xiàn)運維AI從“感知智能”到“認知智能”的跨越，大幅降低長文本分析幻覺風險，提升未知故障應(yīng)對能力，有力推動未來打造可泛化的高階自智網(wǎng)絡(luò)。