AD-LLM：面向异常检测的大型语言模型基准测试
计算与语言
2025-10-13 v4 人工智能
摘要
异常检测（AD）是机器学习中的重要任务，具有许多实际应用，包括欺诈检测、医疗诊断和工业监控。在自然语言处理（NLP）中，AD有助于检测垃圾邮件、错误信息和异常用户活动等问题。尽管大型语言模型（LLM）在文本生成和摘要等任务中产生了重大影响，但它们在AD中的潜力尚未得到充分研究。本文介绍了AD-LLM，这是第一个评估LLM如何帮助NLP异常检测的基准。我们研究了三个关键任务：（i）零样本检测，利用LLM的预训练知识在没有任务特定训练的情况下执行AD；（ii）数据增强，生成合成数据和类别描述以改进AD模型；（iii）模型选择，使用LLM建议无监督AD模型。通过在不同数据集上的实验，我们发现LLM在零样本AD中表现良好，精心设计的增强方法是有用的，并且针对特定数据集解释模型选择仍然具有挑战性。基于这些结果，我们概述了关于LLM用于AD的六个未来研究方向。
引用
@article{arxiv.2412.11142,
title = {AD-LLM: Benchmarking Large Language Models for Anomaly Detection},
author = {Tiankai Yang and Yi Nian and Shawn Li and Ruiyao Xu and Yuangang Li and Jiaqi Li and Zhuo Xiao and Xiyang Hu and Ryan Rossi and Kaize Ding and Xia Hu and Yue Zhao},
journal= {arXiv preprint arXiv:2412.11142},
year = {2025}
}
备注
Accepted to Findings of the Association for Computational Linguistics (ACL 2025), Vienna, Austria