arXiv 机器学习· Yujie Lu, Da Yan·· 5 小时前AI 评分35
失去测试集标签后还剩什么？重新评估图级别异常检测基准
What Remains Without Test Labels? Re-evaluating a Graph-Level Anomaly Detection Benchmark
AI 导读
研究人员审计了图级别异常检测基准 UB-GOLD 及 14 个代码库，发现测试集标签常被用于选择检查点或超参数。在 9 个数据集上，使用测试集 AUROC 挑选检查点会让 12 个检测器的平均分数比最终检查点虚高 5.12 分，比留出正常图虚高 4.13 分。在调优超参数并采用无标签选择后，最强的两个检测器仍保持领先，研究团队建议未来以无测试标签的结果为主。
来源：arXiv 机器学习 · arxiv.org