Buchumschlag

Detect by Yourself: Self-Designing Agentic Workflows for Few-Shot Graph Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Tairan, Chen, Qiang, Wang, Yili, Ma, Yueyue, He, Changlong, Su, Xiu, Chen, Yi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Can LLMs Find Fraudsters? Multi-level LLM Enhanced Graph Fraud Detection
von: Huang, Tairan, et al.
Veröffentlicht: (2025)

Simple and Efficient Heterogeneous Temporal Graph Neural Network
von: Wang, Yili, et al.
Veröffentlicht: (2025)

Tools as Continuous Flow for Evolving Agentic Reasoning
von: Huang, Tairan, et al.
Veröffentlicht: (2026)

Meta-Learning Based Few-Shot Graph-Level Anomaly Detection
von: Li, Liting, et al.
Veröffentlicht: (2025)

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

MetaGAD: Meta Representation Adaptation for Few-Shot Graph Anomaly Detection
von: Xu, Xiongxiao, et al.
Veröffentlicht: (2023)

TA-GGAD: Testing-time Adaptive Graph Model for Generalist Graph Anomaly Detection
von: Zhang, Xiong, et al.
Veröffentlicht: (2026)

AnomalyLLM: Few-shot Anomaly Edge Detection for Dynamic Graphs using Large Language Models
von: Liu, Shuo, et al.
Veröffentlicht: (2024)

Graph Evidential Learning for Anomaly Detection
von: Wei, Chunyu, et al.
Veröffentlicht: (2025)

Few Shot Part Segmentation Reveals Compositional Logic for Industrial Anomaly Detection
von: Kim, Soopil, et al.
Veröffentlicht: (2023)

DDGAD: Trajectory Dynamics for Diffusion-Based Graph Anomaly Detection
von: Yang, Yuxin, et al.
Veröffentlicht: (2026)

Graph Mixture of Experts and Memory-augmented Routers for Multivariate Time Series Anomaly Detection
von: Huang, Xiaoyu, et al.
Veröffentlicht: (2024)

Guarding Graph Neural Networks for Unsupervised Graph Anomaly Detection
von: Bei, Yuanchen, et al.
Veröffentlicht: (2024)

Graph Unlearning Meets Influence-aware Negative Preference Optimization
von: Chen, Qiang, et al.
Veröffentlicht: (2025)

Alleviating Structural Distribution Shift in Graph Anomaly Detection
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

A New Spatiotemporal Correlation Anomaly Detection Method that Integrates Contrastive Learning and Few-Shot Learning in Wireless Sensor Networks
von: Ye, Miao, et al.
Veröffentlicht: (2025)

AnomalySD: Few-Shot Multi-Class Anomaly Detection with Stable Diffusion Model
von: Yan, Zhenyu, et al.
Veröffentlicht: (2024)

Graph Enhanced Trajectory Anomaly Detection
von: Mbuya, Jonathan Kabala, et al.
Veröffentlicht: (2025)

Towards Automated Self-Supervised Learning for Truly Unsupervised Graph Anomaly Detection
von: Li, Zhong, et al.
Veröffentlicht: (2025)

DeNoise: Learning Robust Graph Representations for Unsupervised Graph-Level Anomaly Detection
von: Chen, Qingfeng, et al.
Veröffentlicht: (2025)

Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values
von: Zheng, Yu, et al.
Veröffentlicht: (2024)

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

Heterogeneous Graph Neural Networks with Loss-decrease-aware Curriculum Learning
von: Wang, Yili
Veröffentlicht: (2024)

Balanced Edge Pruning for Graph Anomaly Detection with Noisy Labels
von: Wang, Zhu, et al.
Veröffentlicht: (2024)

Metric Based Few-Shot Graph Classification
von: Crisostomi, Donato, et al.
Veröffentlicht: (2022)

Fast Graph Sharpness-Aware Minimization for Enhancing and Accelerating Few-Shot Node Classification
von: Luo, Yihong, et al.
Veröffentlicht: (2024)

FANFOLD: Graph Normalizing Flows-driven Asymmetric Network for Unsupervised Graph-Level Anomaly Detection
von: Cao, Rui, et al.
Veröffentlicht: (2024)

Multi-Agent Debate: A Unified Agentic Framework for Tabular Anomaly Detection
von: Wang, Pinqiao, et al.
Veröffentlicht: (2026)

Label-based Graph Augmentation with Metapath for Graph Anomaly Detection
von: Kim, Hwan, et al.
Veröffentlicht: (2023)

Federated Few-Shot Learning for Epileptic Seizure Detection Under Privacy Constraints
von: Sysoykova, Ekaterina, et al.
Veröffentlicht: (2025)

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

Balanced Anomaly-guided Ego-graph Diffusion Model for Inductive Graph Anomaly Detection
von: Wei, Chunyu, et al.
Veröffentlicht: (2026)

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

CVTGAD: Simplified Transformer with Cross-View Attention for Unsupervised Graph-level Anomaly Detection
von: Li, Jindong, et al.
Veröffentlicht: (2024)

GAD in the Wild: Benchmarking Graph Anomaly Detection under Realistic Deployment Challenges
von: Zhou, Jingjing, et al.
Veröffentlicht: (2026)

SGPT: Few-Shot Prompt Tuning for Signed Graphs
von: Zhai, Zian, et al.
Veröffentlicht: (2024)

NeiGAD: Augmenting Graph Anomaly Detection via Spectral Neighbor Information
von: Qing, Qing, et al.
Veröffentlicht: (2026)

Multi-Head Spectral-Adaptive Graph Anomaly Detection
von: Cao, Qingyue, et al.
Veröffentlicht: (2025)

Anomaly Detection in Dynamic Graphs: A Comprehensive Survey
von: Ekle, Ocheme Anthony, et al.
Veröffentlicht: (2024)

A Generalizable Anomaly Detection Method in Dynamic Graphs
von: Yang, Xiao, et al.
Veröffentlicht: (2024)