MORA：抗漂移时间序列异常检测框架发布

Xudong Mou 等作者发布论文提出 MORA，一个漂移鲁棒的时间序列异常检测框架。它通过配对短期与长期视角重建同一局部目标，用重建差距衡量上下文对局部偏差的支持度。 该机制采用数据依赖的校正方式保守调整主异常分数：上下文仅在能改善同一目标重建时才降低分数，且无需漂移标注或在线自适应。在四个 TSAD 基准上，MORA 对非平稳性表现出强鲁棒性，同时保持对真实异常的敏感性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。