11:05arXiv cs.AI@Xiaona Zhou, Muntasir Wahed, Tianjiao Yu, Constantin Brif, Ismini Lourentzou研究者发现现有视觉语言模型在时序异常检测任务上表现不佳,主要原因是公开数据集缺乏自然语言解释,难以微调模型。为此,他们构建了VisAnomBench基准,从公开时序数据中筛选并利用多个大模型生成高质量异常解释。基于此微调出参数高效的VisAnomReasoner模型,在VisAnomBench上精度和F1分别提升至少21.23和23.87个百分点,在TSB-AD-U基准上也展现出强泛化能力。这项工作让小型VLM在时序异常检测中变得可靠且可解释。论文时序异常检测视觉语言模型VisAnomReasonerVisAnomBench参数高效微调推荐理由:时序异常检测终于有了可解释的小模型方案,做工业监控或运维分析的团队可以直接用VisAnomReasoner替代大模型,精度更高、成本更低,建议点开看具体微调方法。原文