★ 2
arXiv 提出 LLMMAD：大模型自回归多模态微服务异常检测
针对微服务系统多模态异常检测中忽视模态特性与「身份捷径」两大问题，论文提出基于大语言模型的自回归框架 LLMMAD。它将多模态数据嵌入重组为统一序列交由 LLM 建模跨模态关系，并用模态专属重建头保留各自信息，同时以预测未来状态替代复制输入。三个真实数据集上 F1 分别提升 3.1%、1.4%、0…
arXiv cs.LG7 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
针对微服务系统多模态异常检测中忽视模态特性与「身份捷径」两大问题，论文提出基于大语言模型的自回归框架 LLMMAD。它将多模态数据嵌入重组为统一序列交由 LLM 建模跨模态关系，并用模态专属重建头保留各自信息，同时以预测未来状态替代复制输入。三个真实数据集上 F1 分别提升 3.1%、1.4%、0…
论文提出 STAR，一个面向大规模微服务系统事故管理的时空自适应表示学习框架。它通过时间自适应归一化（TAN）和空间自适应归一化（SAN）分别处理非平稳时序动态与异构服务依赖图，将归一化建模为可学习的上下文条件变换。在统一自监督框架下，STAR 端到端支持异常检测、故障分诊与根因定位三项任务，并在…