LLM-Generated Feature Pools for Time Series Anomaly Detection
作者: Youssef Attia El Hili, Malik Tiomoko, Corinne Ancourt
分类: cs.AI
发布日期: 2026-09-18
💡 一句话要点
提出基于LLM生成特征池的单变量时间序列异常检测方法
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 时间序列分析 异常检测 特征选择 多模态LLM 统计学习
📋 核心要点
- 现有方法在单变量时间序列异常检测中往往依赖复杂模型，导致计算成本高且难以解释。
- 论文提出通过滑动窗口提取统计特征，并利用多模态LLM生成特征池，以简化特征选择过程。
- 实验结果显示，该方法在多个基准数据集上超越了现有最佳模型，显著提升了异常检测性能。
📝 摘要（中文）
本研究探讨了在严格选择协议下，简单统计管道在单变量时间序列异常检测中的有效性。该方法通过滑动窗口提取小型统计特征池，利用转导鲁棒模型对每个窗口进行评分，并在保留的调优分割上选择特征子集。在TSB-AD-U数据集上，该方法达到了0.529的每系列VUS-PR，超越了最佳神经网络（0.45）和统计方法（0.44）的表现，并与多种使用更多监督的预训练基础模型相差仅0.06。消融实验表明，候选池的选择对性能影响显著，生成的特征池与手工设计的特征池在匹配选择下表现相当，联合选择进一步提升了性能至0.588，匹配了排行榜上的最佳结果。
🔬 方法详解
问题定义：本论文旨在解决单变量时间序列异常检测中的特征选择问题。现有方法通常依赖复杂的模型和大量的监督信息，导致计算效率低下且难以解释。
核心思路：本研究提出了一种基于滑动窗口的统计特征提取方法，并通过多模态大语言模型（LLM）生成特征池，以简化特征选择过程。通过这种方式，能够在较少的监督下实现高效的异常检测。
技术框架：整体流程包括三个主要阶段：首先，使用滑动窗口提取时间序列的统计特征；其次，利用转导鲁棒模型对每个窗口进行评分；最后，在保留的调优分割上选择特征子集。生成的特征池与手工设计的特征池进行比较，确保覆盖不同领域。
关键创新：最重要的创新点在于使用LLM生成特征池，这一方法显著提高了特征选择的灵活性和效率。与传统方法相比，LLM生成的特征池能够更好地适应不同领域的需求。
关键设计：在特征池生成过程中，采用了多模态LLM的提示机制，通过提供上下文示例窗口来指导特征生成。此外，消融实验表明，候选池的选择对最终性能有显著影响，优化后的特征选择策略提升了模型的整体表现。
🖼️ 关键图片
📊 实验亮点
实验结果显示，该方法在TSB-AD-U数据集上达到了0.529的每系列VUS-PR，超越了最佳神经网络（0.45）和统计方法（0.44）的表现。通过联合选择生成的特征池与手工特征池，性能进一步提升至0.588，匹配排行榜上的最佳结果，展示了该方法的有效性和优越性。
🎯 应用场景
该研究的潜在应用领域包括金融欺诈检测、工业设备故障监测以及环境监测等。通过提高时间序列异常检测的效率和准确性，该方法能够帮助企业和机构及时发现潜在问题，从而降低损失和风险。未来，该方法还可能扩展到更复杂的多变量时间序列分析中，进一步提升其应用价值。
📄 摘要（原文）
We study how far a simple statistical pipeline can go on univariate time series anomaly detection under a strict selection protocol. The method extracts a small pool of statistics over sliding windows, scores each window with a transductive robust (MAD) model, and selects a feature subset per domain on a held-out tuning split. On TSB-AD-U it reaches $0.529$ per-series VUS-PR, above the best neural ($0.45$) and statistical ($0.44$) entries on the public leaderboard and within $0.06$ of the strongest pretrained foundation model, several of which use more supervision than ours. Ablations locate the cause: across three selection strategies and a hindsight oracle the score moves by $0.031$, and across the aggregation grid by $0.096$, while changing the candidate pool moves it by $0.226$. The candidate pool sets the ceiling; the search over it is second-order. We therefore generate a pool per domain by prompting a multimodal LLM with in-context example windows from that domain. The generated pools match the hand-crafted one under matched selection, and the two cover different domains: selecting over their union improves on the generated pool in all twelve generator-seed pairs and lifts the pipeline to $0.588$, matching the performance of the best entry on the leaderboard.