CORE：自监督提示优化用于异常合成

2026年10月15日，arXiv Computer Vision 出现一篇由 Haoxiang Rao 等作者提交的论文预印本，提出 CORE 异常合成提示优化框架。据该报道，CORE 是一个基于大型多模态模型（LMM）的成本高效、免训练提示词优化框架，统一支持零样本与单样本工业异常合成。其通过 Anomaly Context Grounding 模块将稀疏用户上下文转为结构化异常提示词，并用自监督对比与反思机制自主优化提示词。报道称，在 MVTec-AD 和 VisA 上，CORE 合成出真实多样的异常，提升了下游异常检测性能，且模型无关、即插即用。上述内容均来自该预印本报道，尚未见后续跟进报道，事件目前进展即为此预印本发布。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。