Buchumschlag

Exploring the Effectiveness of LLMs in Automated Logging Generation: An Empirical Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yichen, Huo, Yintong, Jiang, Zhihan, Zhong, Renyi, He, Pinjia, Su, Yuxin, Briand, Lionel, Lyu, Michael R.
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Single-Language Evidence Is Insufficient for Automated Logging: A Multilingual Benchmark and Empirical Study with LLMs
von: Zhong, Renyi, et al.
Veröffentlicht: (2026)

Go Static: Contextualized Logging Statement Generation
von: Li, Yichen, et al.
Veröffentlicht: (2024)

End-to-End Automated Logging via Multi-Agent Framework
von: Zhong, Renyi, et al.
Veröffentlicht: (2025)

LogUpdater: Automated Detection and Repair of Specific Defects in Logging Statements
von: Zhong, Renyi, et al.
Veröffentlicht: (2024)

LILAC: Log Parsing using LLMs with Adaptive Parsing Cache
von: Jiang, Zhihan, et al.
Veröffentlicht: (2023)

Larger Is Not Always Better: Exploring Small Open-source Language Models in Logging Statement Generation
von: Zhong, Renyi, et al.
Veröffentlicht: (2025)

Prompting for Automatic Log Template Extraction
von: Xu, Junjielong, et al.
Veröffentlicht: (2023)

CCISolver: End-to-End Detection and Repair of Method-Level Code-Comment Inconsistency
von: Zhong, Renyi, et al.
Veröffentlicht: (2025)

LogFold: Compressing Logs with Structured Tokens and Hybrid Encoding
von: Shan, Shiwen, et al.
Veröffentlicht: (2026)

A Large-Scale Evaluation for Log Parsing Techniques: How Far Are We?
von: Jiang, Zhihan, et al.
Veröffentlicht: (2023)

CelerLog: Fast Log Parsing via Dynamic Routing
von: Shan, Shiwen, et al.
Veröffentlicht: (2026)

Face It Yourselves: An LLM-Based Two-Stage Strategy to Localize Configuration Errors via Logs
von: Shan, Shiwen, et al.
Veröffentlicht: (2024)

SPES: Towards Optimizing Performance-Resource Trade-Off for Serverless Functions
von: Lee, Cheryl, et al.
Veröffentlicht: (2024)

ConfLogger: Enhance Systems' Configuration Diagnosability through Configuration Logging
von: Shan, Shiwen, et al.
Veröffentlicht: (2025)

Exploring Autonomous Agents: A Closer Look at Why They Fail When Completing Tasks
von: Lu, Ruofan, et al.
Veröffentlicht: (2025)

AnomalyGen: Enhancing Log-Based Anomaly Detection with Code-Guided Data Augmentation
von: Li, Xinyu, et al.
Veröffentlicht: (2026)

Small is Beautiful: A Practical and Efficient Log Parsing Framework
von: Wang, Minxing, et al.
Veröffentlicht: (2026)

Enhancing LLM-Based Coding Tools through Native Integration of IDE-Derived Static Context
von: Li, Yichen, et al.
Veröffentlicht: (2024)

CodeAD: Synthesize Code of Rules for Log-based Anomaly Detection with LLMs
von: Huang, Junjie, et al.
Veröffentlicht: (2025)

Demystifying and Extracting Fault-indicating Information from Logs for Failure Diagnosis
von: Huang, Junjie, et al.
Veröffentlicht: (2024)

UniSage: A Unified and Post-Analysis-Aware Sampling for Microservices
von: Zhu, Zhouruixing, et al.
Veröffentlicht: (2025)

An Empirical Study on Package-Level Deprecation in Python Ecosystem
von: Zhong, Zhiqing, et al.
Veröffentlicht: (2024)

LUNAR: Unsupervised LLM-based Log Parsing
von: Huang, Junjie, et al.
Veröffentlicht: (2024)

AnomalyGen: An Automated Semantic Log Sequence Generation Framework with LLM for Anomaly Detection
von: Li, Xinyu, et al.
Veröffentlicht: (2025)

LLM meets ML: Data-efficient Anomaly Detection on Unstable Logs
von: Hadadi, Fatemeh, et al.
Veröffentlicht: (2024)

Next Edit Prediction: Learning to Predict Code Edits from Context and Interaction History
von: Lu, Ruofan, et al.
Veröffentlicht: (2025)

Impact of Log Parsing on Deep Learning-Based Anomaly Detection
von: Khan, Zanis Ali, et al.
Veröffentlicht: (2023)

LogPTR: Variable-Aware Log Parsing with Pointer Network
von: Wu, Yifan, et al.
Veröffentlicht: (2024)

AL-Bench: A Benchmark for Automatic Logging
von: Tan, Boyin, et al.
Veröffentlicht: (2025)

Hallucination to Consensus: Multi-Agent LLMs for End-to-End JUnit Test Generation
von: Xu, Qinghua, et al.
Veröffentlicht: (2025)

Unlocking the Power of Numbers: Log Compression via Numeric Token Parsing
von: Yu, Siyu, et al.
Veröffentlicht: (2024)

A Comprehensive Study of Machine Learning Techniques for Log-Based Anomaly Detection
von: Ali, Shan, et al.
Veröffentlicht: (2023)

KPIRoot+: An Efficient Integrated Framework for Anomaly Detection and Root Cause Analysis in Large-Scale Cloud Systems
von: Gu, Wenwei, et al.
Veröffentlicht: (2025)

LogPilot: Intent-aware and Scalable Alert Diagnosis for Large-scale Online Service Systems
von: Jiang, Zhihan, et al.
Veröffentlicht: (2025)

Systematic Evaluation of Deep Learning Models for Log-based Failure Prediction
von: Hadadi, Fatemeh, et al.
Veröffentlicht: (2023)

Why Does the LLM Stop Computing: An Empirical Study of User-Reported Failures in Open-Source LLMs
von: Yu, Guangba, et al.
Veröffentlicht: (2026)

TrajAudit: Automated Failure Diagnosis for Agentic Coding Systems
von: Wang, Minxing, et al.
Veröffentlicht: (2026)

From Runnable to Shippable: Multi-Agent Test-Driven Development for Generating Full-Stack Web Applications from Requirements
von: Wan, Yuxuan, et al.
Veröffentlicht: (2026)

L4: Diagnosing Large-scale LLM Training Failures via Automated Log Analysis
von: Jiang, Zhihan, et al.
Veröffentlicht: (2025)

Automated Test Case Repair Using Language Models
von: Yaraghi, Ahmadreza Saboor, et al.
Veröffentlicht: (2024)