标签
本文探讨使用多模态LLM为时间序列异常检测生成领域特定的特征池，研究表明，一个简单的统计处理流程在基准数据集上能够达到与先进预训练模型相当的性能。
作者批判了当前的时间序列异常检测基准测试，展示了一种简单的统计过程控制算法可以超越最先进方法，暗示基准测试过于简单，并呼吁社区提出更具挑战性的问题。
本文提出了一种零样本时间序列异常检测框架，通过FFT的频域证据增强LLM输入，以更好地捕获结构异常。
ProtoX-AD is a prototype-based self-explainable framework for self-supervised time series anomaly detection that provides interpretable explanations for detected anomalies by learning transformation-aware prototypes, achieving performance comparable to black-box methods while offering semantic anomaly characterization.