arXiv · cs.AI· Xudong Mou, Tiejun Wang, Rui Wang, Hui Wang, Pin Liu, Tianyu Wo, Xudong Liu, Renyu Yang·· 1 天前
MORA：建模观测变化实现漂移鲁棒的时间序列异常检测
MORA: Modeling Observed Changes for Drift-Robust Time-Series Anomaly Detection
arXiv:2610.09473v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xudong Mou, Tiejun Wang, Rui Wang, Hui Wang, Pin Liu, Tianyu Wo, Xudong Liu, Renyu Yang
首次提交：2026-10-07 13:31
研究任务与主要进展
MORA 提出漂移鲁棒的时间序列异常检测框架，通过短时与长时视图重建同一局部目标，并以重建差距衡量其上下文支持度。论文摘要称，该框架利用数据相关校正机制保守调整异常分数，无需漂移标注或在线适应；在四个 TSAD 基准上的实验显示其对非平稳性具有较强鲁棒性，同时保持对真实异常的敏感度。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org