超越单一信号：SPECTREG2，一种用于检测未知未知的统一多专家异常检测器
机器学习
2026-03-24 v1 计算机视觉与模式识别
摘要
认识自身知识限制并在不确定性下安全行动的认知智能需要机器学习系统能够识别其自身知识的局限，尤其是在面对未知未知时。现有的不确定性量化方法依赖于如 confidence 或 density 这样的单一信号，无法检测多样化的结构性异常。我们引入 SPECTRE-G2，一种多信号异常检测器，将来自 dual-backbone 神经网络的八种互补信号相组合。该 architecture 包括一个在谱上归一化的高斯化 encoder、一个保持特征几何的 plain MLP，以及由五个 model 组成的集成。这些产生 density、geometry、uncertainty、discriminative 和 causal signals。每个 signal 使用 validation statistics 进行归一化，并通过合成 out-of-distribution 数据进行校准。自适应 top-k fusion 选择最具信息性的 signal 并对其得分进行加权平均。在 synthetic、Adult、CIFAR-10 和 Gridworld 数据集上的实验显示出强大的跨多样化异常类型的性能， 在 AUROC、AUPR 和 FPR95 等指标上超越多个 baseline。该 model 在不同 seed 上的稳定性强，尤其擅长检测新变量和混杂变量。SPECTRE-G2 提供了一种用于在开放式环境中检测未知未知的实用方法。
引用
@article{arxiv.2603.21160,
title = {Beyond a Single Signal: SPECTREG2, A Unified MultiExpert Anomaly Detector for Unknown Unknowns},
author = {Rahul D Ray},
journal= {arXiv preprint arXiv:2603.21160},
year = {2026}
}