华为携手南开大学在ICSE 2026上发布R-Log研究成果

第48届国际软件工程大会（ICSE 2026）于2026年4月12日至18日在里约热内卢召开。作为软件工程领域CCF A类顶会，ICSE被誉为“软件领域的奥林匹克”，汇聚全球顶尖学者与工业界专家。会议期间，华为联合南开大学就在数据通信领域的研究成果《R-Log: Incentivizing Log Analysis Capability in LLMs via Reasoning-based Reinforcement Learning（基于慢思考强化学习的大模型日志分析）》发表了技术报告，该成果针对大模型工业级日志分析的“幻觉”与“泛化难”痛点，提出基于推理的强化学习新范式，为网络智能运维提供全新技术路径。

R-Log核心方法：13套专家推理模板 + 双阶段训练

现代软件系统与通信网络的日志数据复杂度远超人力运维极限，现有大模型监督微调方法因“领域鸿沟”易产生幻觉，且难以应对未知故障场景。

为解决上述问题，华为与南开大学共同提出了R-Log——一种模拟人类结构化、逐步分析思维的推理优先范式。其整体框架包含两大核心阶段：

人类专家推理模板与数据构建：团队从运维手册、经验规则及工程师访谈中提炼出13套推理模板，覆盖日志解析、异常检测、日志解释、根因分析和解决方案推荐五类任务，融合概念式与程序式两种思维方式。

双阶段训练架构：首先实现冷启动，通过监督微调（SFT）对推理链与答案进行模仿学习，使模型形成“先思考再回答”的基础行为模式。再实现强化学习优化，在模拟的多日志任务运维环境中，采用组相对策略优化（GRPO）算法，并设计联合奖励函数，进一步提升模型在多任务场景下的策略可靠性与输出精度。

实证结果：五项任务超越业界最佳，未知场景提升228%

基于真实日志数据的严格评估显示，R-Log在全部五项日志分析任务上均显著超越现有最佳模型，包括DeepSeek-V3.1、Qwen3-235B以及专业日志模型LogLM等。尤其在未见过的日志场景中，相较于非推理模型，R-Log的性能提升高达228.05%，展现了强大的泛化能力。此外，针对推理链带来的时延问题，R-Log创新性地设计了“先输出答案，再输出思考过程”的反向结构，推理时可在出现标记后立即截断。该优化方案在保留93%性能的同时获得5倍速度提升，形成了可工业级高效部署的R-Log-fast版本。

华为与南开大学联合打造的R-Log技术范式打破传统“拟合答案”局限，模拟人类专家“先思考、后结论”的结构化思维，通过强化学习自主学习日志潜在规则，在模拟运维环境中优化分析策略，实现运维AI从“感知智能”到“认知智能”的跨越，大幅降低长文本分析幻觉风险，提升未知故障应对能力，有力推动未来打造可泛化的高阶自智网络。