近日，乐鱼网页版登录入口最新版下载科研团队在人工智能领域的最新研究成果DR-GGAD图机器乐鱼网页版登录入口最新版下载模型成功入选国际人工智能顶级会议ICLR 2026（International Conference on Learning Representations）。这一成绩不仅体现了乐鱼网页版登录入口最新版下载科研团队在前沿人工智能方向的持续突破，也标志着其研究成果在国际学术界的高度影响力。
ICLR由国际乐鱼网页版登录入口最新版下载表征会议基金会主办，是机器乐鱼网页版登录入口最新版下载与深度乐鱼网页版登录入口最新版下载领域具有重要国际影响力的顶级学术会议之一。自2013年创办以来，ICLR以表示乐鱼网页版登录入口最新版下载为核心主题，重点关注深度乐鱼网页版登录入口最新版下载的理论基础与方法创新。已发展为引领全球机器乐鱼网页版登录入口最新版下载与人工智能研究前沿的重要学术平台。
DR-GGAD: Dual Residual Centering for Mitigating Anomaly Non‑Discriminativity in Generalist Graph Anomaly Detection
作者：付昌陇#，何臻力#，张雄，谢诚*，金鑫，杨云
DR-GGAD异常特征可区分性（当模型迁移到未见过的新环境时，图异常节点与正常节点的表征高度纠缠，模型聚焦图网络异常检测中的跨域漂移难题，Discriminativity）显著降低，如下图所示：
该工作创新性的将这一退化现象形式化为异常不可区分性（Anomaly non-Discriminativity），并将该不可区分性进行定量化表达，为下游的图节点异常检测提供计算依据。定量化表达公式如下所示：
引入双残差中心化机制：一方面利用DR-GGAD通过分析节点自残差，超残差（Hyper Residual）在残差空间中压缩正常模式、推远异常，提升特征层可分性；另一方面通过亲和力残差缓解结构漂移带来的混淆。实际上在完全冻结参数、无需目标域微调的条件下，（Affinity Residual）约束局部残差一致性，模型融合两类残差信号输出领域无关异常评分。实验表明，为通用图异常检测提供了平均AUROC提升5.14%，并在高难度场景下显著领先，DR-GGAD在多个目标图上取得新的SOTA，新的理论刻画与实用路径。
这一最新成果的取得，国际学术影响力不断提升。表明乐鱼网页版登录入口最新版下载在前沿人工智能方向的研究正在持续突破，
