AnomalyXL:小型递归语言模型长时序异常检测跑赢前沿模型
samsja19 · x · 2026-10-09
一项新论文指出,前沿时序大语言模型在长上下文中难以精确定位异常——有用信号可能藏在数小时的录音里。作者训练了一个微型递归语言模型(RLM),在长上下文时序任务上达到 SoTA:
- AnomalyXL:可无限扩展的合成时序生成器,带程序化生成的标准答案,用于构造 RL 训练环境
- 在该 RL 环境上训练 RLM 后,可迁移到真实世界的异常检测,覆盖软件可观测性、心电(ECG)和睡眠数据
方法核心是「小模型 + 递归推理 + 合成数据 RL」,而非堆更大的前沿模型。
「研究」频道最新
- COLM 2026：DeepScholar-Bench 评测 AI 生成的研究综述质量 — mrdrozdov · 2026-10-09
- 前沿模型首次在财报预测上跑赢人类专家共识 — maithra_raghu · 2026-10-09
- 小鼠胚胎细胞命运图谱研究登 Cell，AI for Science 再下一城 — anshulkundaje · 2026-10-09
- Ben Recht 批判不确定性量化:95% 场景只剩高斯误差条 — beenwrekt · 2026-10-09
- Text-to-SQL Agent 踩坑实测： critic 分离成本涨 53% 却零收益 — renatyv · 2026-10-09
- NeurIPS 2026 论文 NAMVIS：next-scale 自回归替代扩散，新视角合成提速 3 倍 — RexDouglass · 2026-10-09