像专家一样检测时间序列异常：具备专业分析器的多智能体LLM框架

最近的研究探索了用于时间序列异常检测的大语言模型，但现有方法通常依赖于单个通用模型来直接推断异常指数或间隔，限制了复杂异常模式的可控性、可解释性和可靠性。我们提出了 SAGE（用于专家级检测的专业分析器组），这是一种用于单变量时间序列中结构化异常诊断的多智能体框架。它将异常分析分解为四个专门的分析器，分别针对点异常、结构异常、季节异常和模式异常。每个分析器都应用特定于家庭的数字工具和诊断可视化来生成证据，而基于证据的检测器则将证据合并为具有间隔和候选类型的置信评分异常记录。然后，主管将这些结构化记录转换为面向分析师的诊断报告。 SAGE 进一步从正常参考训练片段构建合成的上下文示例，而不使用真实的异常片段或异常类型标签作为上下文示例。在三个基准测试中，SAGE 在强大的 ML/DL 和基于语言模型的基准中实现了最佳平均性能。消融研究和人类评估进一步表明，所提出的框架提高了检测可靠性和诊断输出的实际有用性。