热点事件持续更新
研究团队提出多变量时序异常预测框架EVOLVE
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月26日，研究团队在arXiv发布论文，提出无监督多变量时间序列异常预测框架 EVOLVE。该框架通过上下文条件扰动与不确定性推理预估未来异常风险，利用自适应异常原型记忆在变量级别动态更新并检索特定扰动，同时解码互补演化假设下的多条未来轨迹，通过轨迹分歧度量化不确定性。在6个真实世界基准数据集上的实验评估结果显示，EVOLVE 的性能表现持续超越现有 SOTA 基线模型。
AI 根据报道生成 · 6 小时前更新
最新进展10月26日 12:00
研究人员发布EVOLVE框架论文，在6个真实基准数据集上性能超越现有SOTA。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 机器学习EVOLVE：基于自适应原型记忆的不确定性感知多变量时间序列异常预测
研究人员提出无监督多变量时间序列异常预测框架 EVOLVE，通过上下文条件扰动与不确定性推理预估未来异常风险。该框架利用自适应异常原型记忆在变量级别动态更新并检索特定扰动，同时解码互补演化假设下的多条未来轨迹，以轨迹分歧度量化不确定性。在 6 个真实世界基准数据集上的实验表明，EVOLVE 表现持续超越现有 SOTA 基线模型。
本事件热度走势
当前热度 9·可比范围峰值 10（10月26日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。