PulseAugur
中
实时 10:12:38
English(EN) CAPMix: Robust KPI Anomaly Detection for AIOps in Noisy and Dynamic Environments

CAPMix 框架增强了在嘈杂环境中 AIOps 的异常检测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 CAPMix，一个旨在改进 AIOps 系统中异常检测的新框架，特别是在数据嘈杂和动态变化的环境中。该方法通过使用可控的异常增强方法，并进行先验引导注入以实现更真实的 temporal 行为，从而解决了“异常偏移”问题。CAPMix 在各种基准测试中表现优于现有的最先进技术，并已成功应用于 Kuaishou 的生产系统中，从而减少了误报并提高了监控的可靠性。 AI

影响 提高了大规模 AIOps 系统的可靠性并减少了误报，有可能为稳健的异常检测设定新标准。

排序理由 该集群包含一篇详细介绍新异常检测方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

CAPMix 框架增强了在嘈杂环境中 AIOps 的异常检测能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Xudong Mou, Rui Wang, Tiejun Wang, Zexin Wu, Fangda Guo, Jie Sun, Shiru Chen, Penghao Zhang, Tiezi Zhang, Tianyu Wo, Hao Peng, Chunming Hu, Xudong Liu, Renyu Yang ·

    CAPMix: Robust KPI Anomaly Detection for AIOps in Noisy and Dynamic Environments

    arXiv:2509.06419v2 Announce Type: replace Abstract: Time-series anomaly detection is crucial in AIOps for maintaining large-scale service reliability. In production, streams of Key Performance Indicators (KPI) are high-dimensional, non-stationary, and affected by noise, deploymen…

相关实体

相关话题