AnomalyGFM：面向零样本与少样本异常检测的图基础模型

AnomalyGFM 发布了一种支持零样本推理和少样本提示微调的 GAD 导向图基础模型，显著提升图异常检测泛化能力。 通过预训练对齐数据无关的可学习正常与异常类别原型，结合节点表示残差特征，在统一特征空间中一致衡量不同图的节点异常度。 在 11 个广泛使用的含真实异常的 GAD 数据集上，AnomalyGFM 在零样本和少样本设定下均显著优于最先进的竞争方法。