ExCal：免优化的多变量时序异常检测方法

Özer 等作者在 arXiv 论文 2610.35568 中提出 ExCal，一种仅用正常样本的多变量时间序列异常检测方法，结合原始状态检索、信号/导数子空间和跨时间尺度的鲁棒统计，无需梯度优化或异常标签。 在 TSB-AD-M 基准的 17 个家族共 180 条序列上，ExCal 取得 AUC-PR 0.421±0.37、VUS-PR 0.452±0.37，在 24 个方法中排名第二，与领先的 AxonAD、StreamVAE 无显著差异。 作者指出，该方法因评分依赖完整序列，推断为批量、转导式而非在线方式，其诊断实用性和在线适用性尚未经检验。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。