标签
这篇 CIKM 2026 论文刻画了固定目标表格异常检测器中出现的"收敛退化"现象，即优化程度越高反而会削弱异常信号；为此论文提出了 Kernel Contraction Matching（KCM），一种闭式核回归检测器，以及 Kernel-Anchored Regularizer（KAR），以缓解退化现象并在 ADBench 上提升 AUROC 表现。
本文探讨了如何将 prior-data fitted networks（PFN）适配于表格异常检测，提出了一种无需微调的方法（ZEN），使用冻结的 TabPFN 特征结合最近邻评分，以及一种微调方法（FOCUS），后者在 ADBench 基准测试上超越了所有基线方法。