异常得分讲述了全部故事吗？多层次异常检测基准

异常检测（AD）是一种从正常训练数据中学习模式来识别异常的机器学习任务。在许多实际场景中，异常的严重程度有所不同，从危险系数较低的轻微异常到需要立即关注的严重异常。然而，现有模型主要 operate 在二元设置中，产生的异常得分通常基于数据点与正常数据之间的偏差，这可能无法准确反映实际的严重程度。本文通过三大贡献来弥补这一差距。首先，我们提出了一种新颖的设置，即多层次异常检测（MAD），其中异常得分代表了实际应用中异常的严重程度，并强调了其在各个领域的多样化应用。其次，我们引入了新的基准MAD-Bench，对模型的评估不仅关注其检测异常的能力，还关注其异常得分是否有效反映严重程度。该基准包含多种类型的基线方法和涉及严重程度的实际应用。最后，我们对MAD-Bench进行了全面的绩效分析。我们评估了模型在分配严重程度对齐得分方面的能力，探讨了其在二元和多层次检测任务中的性能对应关系，以及其鲁棒性。该分析为改进AD模型以实现实际严重程度对齐提供了关键见解。将公开发布的代码框架和用于基准的数据集。