研究者提出时序异常检测基准与高效VLM
热点事件持续更新
研究者提出时序异常检测基准与高效VLM
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Xiaona Zhou 等研究者构建了带高质量异常解释的时间序列异常检测基准 VisAnomBench，并基于该基准微调出参数高效的视觉语言模型 VisAnomReasoner。 在 VisAnomBench 上，VisAnomReasoner 的精确率和 F1 分别至少提升 21.23 和 23.87 个百分点，优于所有基线；在 TSB-AD-U 基准上跨基准泛化同样有效，精确率和 F1 分别提升 9.57 和 13.39 个百分点。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
VisAnomReasoner：面向时间序列异常检测的高效视觉语言推理模型报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIVisAnomReasoner：面向时间序列异常检测的高效视觉语言推理模型
研究者构建了带高质量异常解释的 VisAnomBench 基准，并基于此微调出参数高效的视觉语言模型 VisAnomReasoner，用于时间序列异常检测。在 VisAnomBench 上，其精确率和 F1 分别至少提升 21.23 和 23.87 个百分点，优于所有基线。在 TSB-AD-U 基准上跨基准泛化同样有效，精确率和 F1 分别提升 9.57 和 13.39 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。