多变量时间序列异常检测长期依赖重建残差，但残差只说明一段观测能被还原，不说明各通道之间是否仍像正常时那样互相解释。CLOSURE 把可重建性与跨通道一致性拆成两个各自用正常数据训练的预测任务：一路用离散正常基记忆条件化的扩散重建器打分，另一路让每个通道只由其余通道预测，再用正常数据校准把两路分数合成。在 SMD、MSL、SMAP、SWaT、PSM 五个公开基准上，其 Aff-F1 均高于所列方法，其中 SMD 为 88.13。
多变量时序异常检测长期依赖在目标域小数据上从零训练的图检测器，学到的传感器拓扑易被伪相关带偏，也无法复用预训练图模型的关系先验。Gfm4Mtsad把冻结的图基础模型包在三个外围模块里：SICA对齐时序特征与正常连接先验并补回投影丢失的细节，MAPS用保留残差的局部依赖破坏合成近边界伪异常，TGEC只在分数上尾重排多粒度证据。在MSL P-15、SMAP T-3、SMD 1-1三个真实数据集和AnomalyGFM、OwlEye两个骨干上，该适配在多数指标上取得最好或次好成绩。
CovDiff-PaAno 把基于补丁的时间序列异常检测的打分环节从余弦匹配换成带正则的马氏距离，并同时使用原始、一阶差分和二阶差分三种视图，三者共享一个冻结编码器、各自维护记忆库与协方差。在 TSB-AD-M 的十种子受控对比中，AUC-ROC 从复现 PaAno 的 0.7612 升到 0.7843，Range-F1 从 0.4043 升到 0.4384；TSB-AD-U 上对应从 0.8532 升到 0.8626、从 0.4822 升到 0.4924。编码器参数量保持约 0.397M 不变，但推理时间增至 3.47 倍、推理峰值显存增至 10.01 倍。
已读完全部报道