多模态大语言模型能否进行时间序列异常检测？

时间序列异常检测（TSAD）一直是Web规模系统和在线基础设施中长期存在的核心问题，如服务可靠性监控、系统故障诊断和性能优化。大语言模型（LLM）在时间序列分析中展示了前所未有的能力，但多模态LLM（MLLM），特别是视觉语言模型，在TSAD中的潜力仍 largely 未被探索。人类检测时间序列异常的一种自然方式是通过可视化和文本描述。这激发了我们的研究问题：多模态LLM能否进行时间序列异常检测？现有研究通常通过将点异常视为区间异常的特殊情况或将点异常聚合以近似区间场景来过度简化问题。这限制了我们对真实场景（如多粒度异常和非均匀时间序列）的理解。为解决这一空白，我们构建了VisualTimeAnomaly基准，以全面调查MLLM在TSAD中的零样本能力，从点异常、区间异常逐步到变量异常，并扩展到非均匀采样条件。我们的研究揭示了多模态MLLM在TSAD中的若干关键见解。基于这些发现，我们提出了一个基于MLLM的多智能体框架TSAD-Agents以实现自动TSAD。该框架由扫描、规划、检测和检查智能体组成，它们协同合作进行推理、规划和自反思以实现自动TSAD。这些智能体自适应地调用传统方法和MLLM等工具，并在文本和图像模态之间动态切换以优化检测性能。