图异常检测榜单的分数，可能有一部分是测试标签“挑”出来的。 https://arxiv.org/abs/2610.24045 作者审计 UB-GOLD 和 … · @vintcessun · TwKit

@vintcessun

图异常检测榜单的分数，可能有一部分是测试标签“挑”出来的。 https://arxiv.org/abs/2610.24045 作者审计 UB-GOLD 和 14 个代码库，重跑 21 个检测器。对 12 个模型，用测试 AUROC 选检查点，比无标签选择平均高 4.13 点；即使没有真正更好的检查点，挑最高分也会虚高。更麻烦的是，部分数据集的异常可能只是图大小不同。模型分数和无标签部署能力，不能混为一谈。

曝光 15 · 评论 0 · 点赞 0 · 书签 0