Нужны ли данные о подготовке кадров в реальном мире для общего графического обнаружения аномалий?

arXiv:2610.12167v1 Annualce Type: New Brieflook: Generalist stratragraph avenoris discrimination (GAD) имеет своей целью создать базовую модель, которая выявляет аномалии на произвольных невидимых графиках без переподготовки или уточнения. Для обучения основам модели необходимы достаточные данные, однако общий ГАД по-прежнему сталкивается с нехваткой данных, поскольку в реальном мире не хватает аномальных графиков и их сбор сопряжен со значительными затратами. Для восполнения этого пробела мы предлагаем AG-FORGE, создать аномальное поколение графов для автоматического синтеза аномичных графиков с изучением возможности подготовки кадров по использованию синтетических данных для общего ГАД. Эмпирически мы обнаруживаем, что синтетические данные могут быть сопоставимы с реальным обучением, но не способны еще больше продвинуть границы эффективности из-за ограниченных возможностей существующих методов. Для того чтобы еще больше раскрыть потенциал модели в качестве учебного масштаба данных, мы разрабатываем TS-GAD - топологический и семантически скоординированный GAD, который регистрирует дополнительные топологические и семантичные аномалии вместе