AnomalyGFM：零样本图异常检测基础模型
热点事件观察中
AnomalyGFM：零样本图异常检测基础模型
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Hezhe Qiao、Chaoxi Niu、Ling Chen、Guansong Pang 提出图异常检测基础模型 AnomalyGFM，支持在多样图数据集上做零样本推理与少样本提示微调。模型通过预训练将可学习的正常/异常类原型与节点表示残差对齐，学习与图无关的判别性原型，从而对包括超大规模图在内的新图实现零样本检测。 作者称，在 11 个真实异常数据集上，AnomalyGFM 的零样本与少样本设置均显著优于现有 SOTA 方法；论文已被 KDD2025 接收。
AI 根据报道生成 · 1 天前更新
最新进展10月28日 12:00
AnomalyGFM：面向零样本/少样本图异常检测的图基础模型报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIAnomalyGFM：面向零样本/少样本图异常检测的图基础模型
AnomalyGFM 是一个面向图异常检测的图基础模型，支持在多样图数据集上做零样本推理与少样本提示微调。它通过预训练将可学习的正常/异常类原型与节点表示残差对齐，学习图无关的判别性原型，从而对新图（含超大规模图）实现零样本检测。在 11 个真实异常数据集上，其零样本与少样本设置均显著优于现有 SOTA 方法，论文已被 KDD2025 接收。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 810月28日 22:00
- 近 24 小时变化
- -51%
02468
10月29日06:0012:0018:0010月30日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。