arXiv · ML· Yujie Lu, Da Yan·· 6 小时前AI 评分23
UB-GOLD 基准重评估：测试标签在图级异常检测中的影响
What Remains Without Test Labels? Re-evaluating a Graph-Level Anomaly Detection Benchmark
AI 导读
研究发现 UB-GOLD 等基准中测试标签显著干扰模型选择，基于测试 AUROC 选检查点平均提升 5.12 分。 审计 14 个代码库并复现 21 个检测器，无标签选检查点时配置调优仍带来 1.53 分提升，且 6 个检测器漏掉组合变化。 作者建议以无测试标签结果作为主要对比，并开源单次运行输出以便验证。
来源：arXiv · ML · arxiv.org