让 LLM 编写你的异常检测器：自主发现紧凑且可解释的时间序列检测器
Have an LLM Write Your Anomaly Detector: Autonomous Discovery of Compact, Interpretable Detectors for Time Series
精选理由
展示LLM自主发现高准确、低成本且可解释的时序异常检测器
AI 摘要
时间序列异常检测需要在预测准确性、计算效率和可解释性之间进行权衡。我们不让大语言模型充当检测器，而是让它编写检测器：在一个无数据泄漏的目标下，模型反复编辑一段简短的 NumPy 程序，并保留所发现的得分最高的检测器。这一循环发现了两个紧凑型检测器，分别用于单变量和多变量序列：它们通过局部频谱特征描述短窗口，并利用考虑协方差的距离将其与训练区域的分布进行比较。在 TSB-AD 基准测试中，这些检测器在各项指标上均处于领先地位，超过了包括 Time-RCD 在内的最强经典方法、深度学习方法和基础模型基线；同时，它们无需训练网络，也不使用 GPU，并且多变量检测器的速度快于所有性能相当的基线方法。因此，由 LLM 驱动的程序搜索是实现准确、高效且透明的检测器的一条实用途径。