AnomalyGFM图基础模型用于零/少样本异常检测

2026年10月28日，arXiv Artificial Intelligence 刊出 Hezhe Qiao 等作者的报道，提出 AnomalyGFM——一种面向图异常检测（GAD）的图基础模型，支持在多种图数据集上进行零样本推理与少样本提示词微调。报道称，该模型通过预训练，将可学习的正常与异常类原型与节点表示残差对齐，学习与图无关的判别性原型，从而在新图上实现零样本检测；在 11 个真实异常数据集上，其零样本与少样本设置均显著优于现有方法。上述性能与适用范围的表述均来自该篇报道，报道未给出与其他方法对比的具体数值，也未说明模型开源、使用条件或地域限制等信息。目前事件进展仅止于该模型的提出与实验结论发布。

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。