Detect by Yourself: Self-Designing Agentic Workflows for Few-Shot Graph Anomaly Detection

Cet article présente SignGAD, un nouveau cadre pour la détection d'anomalies de graphes en apprentissage par quelques exemples, qui conçoit des flux de travail de détection conditionnés par la tâche au lieu d'utiliser des détecteurs d'anomalies fixes. Il aborde les défis d'adaptabilité et de preuves faibles en sélectionnant des encodages de graphes et des conceptions de détecteurs appropriés pour exploiter les signaux d' anomalie spécifiques à la tâche.