未训练网络也能做异常检测:PRISM 在 ADBench 47 数据集 AUROC 达 86.4%
ideal-lab-sejong · hf · 2026-11-20
韩国 Sejong 大学 ideal-lab 的论文提出 PRISM 框架:仅用固定随机非线性特征加 Mahalanobis 打分,不做任何权重优化、不用预训练表征,即可进行异常检测。
- 表格数据:在 ADBench 47 个数据集上取得最高平均 AUROC 86.4%、次高平均 AUPRC 65.9%。
- 视觉任务:在 MVTec AD 与 VisA 共 27 个视觉类别上,图像级/像素级 AUROC 分别达 90.4% 与 96.4%。
- 核心论点:异常的可分性可能是数据内在属性,表征学习并非必需;论文还从理论上分析了非线性变换的影响。
「研究」频道最新
- NAVER 发布 Unfinished-Bench:持久性使智能体违反内部规则率升至 43.6% — naver-ai · 2026-11-20
- Claude 找出 872 篇天体物理论文错误?学界质疑部分系模型误判 — jessyjli · 2026-11-20
- 从零用 C 实现 DEFLATE:一文讲透 LZ77 与 Huffman 编码 — tetsuoai · 2026-11-20
- 光子芯片玩《马里奥》:NEAT 神经网络只训练 472 代 — CatAstro_Piyush · 2026-11-20
- 华为不用定制内核,vLLM 上波束搜索延迟最高降 25 倍 — _reachsumit · 2026-11-20
- iWSP:让 LLM Agent 直接写权重构建可解释神经网络 — kalyan_kpl · 2026-11-20