Buchumschlag

Synergizing Large Language Models and Task-specific Models for Time Series Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Feiyi, Zhang, Leilei, Pang, Guansong, Zimmermann, Roger, Deng, Shuiguang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cluster-Wide Task Slowdown Detection in Cloud System
von: Chen, Feiyi, et al.
Veröffentlicht: (2024)

Learning Multi-Pattern Normalities in the Frequency Domain for Efficient Time Series Anomaly Detection
von: Chen, Feiyi, et al.
Veröffentlicht: (2023)

LARA: A Light and Anti-overfitting Retraining Approach for Unsupervised Time Series Anomaly Detection
von: Chen, Feiyi, et al.
Veröffentlicht: (2023)

IMPACT: Influence Modeling for Open-Set Time Series Anomaly Detection
von: Zhou, Xiaohui, et al.
Veröffentlicht: (2026)

AnomalyGFM: Graph Foundation Model for Zero/Few-shot Anomaly Detection
von: Qiao, Hezhe, et al.
Veröffentlicht: (2025)

Self-Supervised Spatial-Temporal Normality Learning for Time Series Anomaly Detection
von: Chen, Yutong, et al.
Veröffentlicht: (2024)

Calibrated One-class Classification for Unsupervised Time Series Anomaly Detection
von: Xu, Hongzuo, et al.
Veröffentlicht: (2022)

Truncated Affinity Maximization: One-class Homophily Modeling for Graph Anomaly Detection
von: Qiao, Hezhe, et al.
Veröffentlicht: (2023)

Abnormality Forecasting: Time Series Anomaly Prediction via Future Context Modeling
von: Zhao, Sinong, et al.
Veröffentlicht: (2024)

Large Language Model Guided Knowledge Distillation for Time Series Anomaly Detection
von: Liu, Chen, et al.
Veröffentlicht: (2024)

Deep Graph Anomaly Detection: A Survey and New Perspectives
von: Qiao, Hezhe, et al.
Veröffentlicht: (2024)

LEFT: Learnable Fusion of Tri-view Tokens for Unsupervised Time Series Anomaly Detection
von: Wang, Dezheng, et al.
Veröffentlicht: (2026)

Federated Data-Efficient Instruction Tuning for Large Language Models
von: Qin, Zhen, et al.
Veröffentlicht: (2024)

DyC-STG: Dynamic Causal Spatio-Temporal Graph Network for Real-time Data Credibility Analysis in IoT
von: Cheng, Guanjie, et al.
Veröffentlicht: (2025)

Time Series Foundational Models: Their Role in Anomaly Detection and Prediction
von: Shyalika, Chathurangi, et al.
Veröffentlicht: (2024)

Tula: Optimizing Time, Cost, and Generalization in Distributed Large-Batch Training
von: Tyagi, Sahil, et al.
Veröffentlicht: (2026)

Open-Set Graph Anomaly Detection via Normal Structure Regularisation
von: Wang, Qizhou, et al.
Veröffentlicht: (2023)

TimeRadar: A Domain-Rotatable Foundation Model for Time Series Anomaly Detection
von: He, Hui, et al.
Veröffentlicht: (2026)

TriP-LLM: A Tri-Branch Patch-wise Large Language Model Framework for Time-Series Anomaly Detection
von: Yu, Yuan-Cheng, et al.
Veröffentlicht: (2025)

RATFM: Retrieval-augmented Time Series Foundation Model for Anomaly Detection
von: Maru, Chihiro, et al.
Veröffentlicht: (2025)

Leveraging Intermediate Representations of Time Series Foundation Models for Anomaly Detection
von: Han, Chan Sik, et al.
Veröffentlicht: (2025)

Joint Selective State Space Model and Detrending for Robust Time Series Anomaly Detection
von: Chen, Junqi, et al.
Veröffentlicht: (2024)

Harnessing Vision-Language Models for Time Series Anomaly Detection
von: He, Zelin, et al.
Veröffentlicht: (2025)

See it, Think it, Sorted: Large Multimodal Models are Few-shot Time Series Anomaly Analyzers
von: Zhuang, Jiaxin, et al.
Veröffentlicht: (2024)

Time-LLM: Time Series Forecasting by Reprogramming Large Language Models
von: Jin, Ming, et al.
Veröffentlicht: (2023)

Adaptive Conformal Anomaly Detection with Time Series Foundation Models for Signal Monitoring
von: Gil, Natalia Martinez, et al.
Veröffentlicht: (2026)

ChronosAD: Leveraging Time Series Foundation Models for Accurate Anomaly Detection
von: Khan, Uzair, et al.
Veröffentlicht: (2026)

AUDETER: A Large-scale Dataset for Deepfake Audio Detection in Open Worlds
von: Wang, Qizhou, et al.
Veröffentlicht: (2025)

Labels Matter More Than Models: Rethinking the Unsupervised Paradigm in Time Series Anomaly Detection
von: Zhong, Zhijie, et al.
Veröffentlicht: (2025)

mTSBench: Benchmarking Multivariate Time Series Anomaly Detection and Model Selection at Scale
von: Zhou, Xiaona, et al.
Veröffentlicht: (2025)

Bridging Classification and Reconstruction: Cooperative Time Series Anomaly Detection
von: Tang, Qideng, et al.
Veröffentlicht: (2026)

Adapting Large Language Models for Parameter-Efficient Log Anomaly Detection
von: Lim, Ying Fu, et al.
Veröffentlicht: (2025)

Towards Foundation Models for Zero-Shot Time Series Anomaly Detection: Leveraging Synthetic Data and Relative Context Discrepancy
von: Lan, Tian, et al.
Veröffentlicht: (2025)

CausalTAD: Injecting Causal Knowledge into Large Language Models for Tabular Anomaly Detection
von: Wang, Ruiqi, et al.
Veröffentlicht: (2026)

Large Language Models are Few-shot Multivariate Time Series Classifiers
von: Chen, Yakun, et al.
Veröffentlicht: (2025)

From Chaos to Clarity: Time Series Anomaly Detection in Astronomical Observations
von: Hao, Xinli, et al.
Veröffentlicht: (2024)

Harnessing Contrastive Learning and Neural Transformation for Time Series Anomaly Detection
von: Chen, Katrina, et al.
Veröffentlicht: (2023)

Continuity and Ordinality Matter: Constraining Time Series Tokens for Effective Time Series Analysis with Large Language Models
von: Li, Musheng, et al.
Veröffentlicht: (2026)

A Decomposition Modeling Framework for Seasonal Time-Series Forecasting
von: Pang, Yining, et al.
Veröffentlicht: (2024)

Matrix Profile for Anomaly Detection on Multidimensional Time Series
von: Yeh, Chin-Chia Michael, et al.
Veröffentlicht: (2024)