该研究针对大规模系统日志中实例级异常定位标注成本高的难题，提出了LogMILP弱监督框架。该框架仅使用包级标签，即可同时实现包级异常检测与实例级异常定位。其核心是通过原型引导的结构建模与反事实扰动一致性正则化，指导模型定位关键日志条目。在三个公共数据集上的实验表明，LogMILP在取得有竞争力的检测性能同时，生成的实例级定位结果更为可靠。相关代码已开源于 https://github.com/YUK1207/LogMILP。