论文提出 AnoMix，将多教师评分原则蒸馏为轻量单模型。
资讯摘要
论文研究在无异常标签的无监督设定下，能否将多个异构教师检测器的评分原则蒸馏进单一轻量学生模型。作者提出 AnoMix，从冻结教师的训练集异常分数中提取弱成对监督，并设计多教师排序蒸馏目标 CoRank，借助教师共识把分数差距转为成对监督。在七个基准数据集上，学生模型参数量不足 80k，效果优于单个检测器和静态分数集成；零样本变体显示蒸馏出的排序信号可迁移到未见数据集。
要点速读
- AnoMix 从冻结教师检测器的训练集异常分数中提取弱成对监督，无需异常标签。
- CoRank 通过教师共识将教师分数差距转化为成对监督，实现多教师排序蒸馏。
- 在七个基准数据集上，参数量不足 80k 的学生模型优于单个检测器与静态分数集成；零样本变体可迁移到未见数据集。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。