标签
本文介绍了 SAGE，这是一种用于时间序列异常检测的多智能体 LLM 框架，它利用专用分析器来提高可解释性和可靠性。该框架在三个基准测试中表现出优于基线模型的性能，并通过结构化证据整合增强了诊断报告的质量。
本文介绍了 MultiLinguahah，这是一种基于 BYOL-A 编码器表示并使用隔离森林（Isolation Forests）进行无监督多语言声学笑声分割的方法。作者证明，通过将笑声检测视为异常检测任务，该方法在非英语环境下的表现优于最先进（SOTA）的监督方法。
本文提出了 PCNet，这是一种在大型语言模型（LLM）残差流上训练为可计算密度估计器的概率电路，用于将幻觉检测为几何异常。同时，本文还引入了 PC-LDCD，一种仅在生成幻觉 token 时才进行干预的动态修正方法，实现了近乎完美的检测率并降低了错误修正率。
guardd 是一款开源 Linux 端点检测工具，利用 eBPF 事件与 Isolation Forest 在 60 秒窗口内发现异常进程/网络行为，但对浏览器类误报较敏感。
本文提出了JuRe（Just Repair，意为“仅需修复”），一个用于时间序列异常检测的极简去噪网络。该网络在TSB-AD和UCR基准数据集上的性能匹配或超越了复杂的神经网络基线模型，表明正确的流形投影训练目标比架构复杂度更为重要。
ArtifactNet是一个轻量级神经网络框架，通过分析音频信号中的编码器特定工件来检测AI生成的音乐，在新的6,183轨道基准测试（ArtifactBench）上达到F1=0.9829，参数量比竞争方法少49倍。该方法采用法证物理学原理，通过有界掩码UNet和紧凑型CNN提取编码器残差，编码器感知训练将跨编码器漂移减少83%。