摘要
图异常检测旨在识别属性图中的异常节点，但现有方法面临固定流水线适应性差及证据利用弱两大挑战。本文提出 SignGAD 框架，将任务从训练固定检测器重构为设计任务条件化的检测工作流。该框架能自主选择图编码与检测器设计以利用特定异常证据，并引入受保护的最终重拟合策略以提升少样本下的可靠性。实验表明，该方法在多个真实数据集上优于最先进技术。
AI 推荐理由
论文核心在于让 Agent 自主设计检测工作流，涉及任务分解与流程规划。
研究机构
Central South University
The Hong Kong University of Science and Technology
The Hong Kong University of Science and Technology (Guangzhou)
论文信息