一篇新的研究论文指出了在评估异常检测模型时一个关键的缺陷。研究表明，当异常类别在表示空间中与正常数据分布重叠时，标准的类分割评估可能并不可靠。这种重叠会导致异常分数变得不稳定，甚至反转，并且首选的分数方向可能会根据未知的异常类别而改变。研究人员提出了一种名为邻域类别泄露的简单诊断工具来预测这种不稳定性，并建议当前的基准测试应被视为依赖于几何的压力测试，而不是对异常检测能力的最终衡量标准。 AI
影响 强调了当前异常检测基准测试潜在的不可靠性，敦促重新评估模型性能声明。
排序理由 该集群包含一篇研究论文，详细介绍了关于异常检测模型评估协议的新发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →