MIT 新研究：利用 LLM 检测系统中的异常
无需训练，即可识别时间序列数据中的异常，或将用于风力涡轮机、卫星等设备的故障预警。
传统上，工程师使用深度学习模型来检测复杂系统（如风力发电场）中的异常。然而，训练这些模型需要大量数据和专业知识，成本高昂且操作繁琐。
为了解决这个问题，MIT 的研究人员开发了一种名为 SigLLM 的新框架，利用大型语言模型（LLM）来检测时间序列数据中的异常。与需要大量训练数据的深度学习模型不同，SigLLM 可以直接部署，无需任何额外训练。
SigLLM 的工作原理：
- 数据转换： 将时间序列数据转换为 LLM 可以处理的文本格式。
- 异常检测： SigLLM 提供两种异常检测方法：
- Prompter： 直接指示 LLM 在准备好的数据中定位异常值。
- Detector： 使用 LLM 预测时间序列中的下一个值，并将预测值与实际值进行比较，较大的差异表明实际值可能是异常值。
研究发现：
- 在 11 个评估数据集中，Detector 在 7 个数据集上的表现优于基于 Transformer 的 AI 模型，即使 LLM 没有经过任何训练或微调。
- LLM 能够提供对预测结果的自然语言解释，使操作员更容易理解异常原因。
- 目前，最先进的深度学习模型在性能上仍优于 LLM，但 LLM 在异常检测领域的潜力巨大。
未来方向：
- 研究人员计划探索微调是否可以提高性能，并致力于提高 LLM 的处理速度。
- 他们还将深入研究 LLM 执行异常检测的机制，以找到进一步提升其性能的方法。
这项研究表明，LLM 在处理复杂任务（如时间序列异常检测）方面具有巨大潜力，并为解决其他复杂问题开辟了新的可能性。
CockroachDB 将启用全新授权模式
为更好地服务从个人开发者到全球企业的广大用户，CockroachDB 将于 2024 年 11 月 18 日起，取消 Core 版本，并整合为单一、强大的 CockroachDB 企业版授权。
主要变化：
- 所有用户均可使用 CockroachDB 企业版功能： 包括集群优化、灾难恢复、备份和流式传输、安全和 IAM 等。
- 年收入低于 1000 万美元的个人和企业可免费使用 CockroachDB 企业版： 此版本提供社区支持。
- 年收入超过 1000 万美元的大型企业和政府机构需购买企业版授权： 此版本提供企业级支持和可选的必要 支持。
本次更新旨在：
- 为所有客户提供 CockroachDB 的全部企业级功能。
- 允许仍在发展阶段的企业免费使用 CockroachDB。
- 保持代码开源，促进整个生态系统的创新。
- 鼓励公平的价值交换，以持续推动 CockroachDB 的快速发展。
过渡期安排：
- 11 月 18 日之后，Core 版本将被企业版免费版取代。
- CockroachDB 团队将为客户提供支持，以确保顺利过渡到新授权模式。
更多信息：
来源：
www.cockroachlabs.com/enterprise-…
更多内容请查阅 : blog-240819
关注微信官方公众号 : oh my x
获取开源软件和 x-cmd 最新用法
