AI 与机器学习2020comp.nus.edu.sg
MIDAS：图上的快速异常检测
Show HN: Fast Anomaly Detection in Graphs
进阶 · 约 60 分钟读完前置知识：图算法基础、流式数据处理、异常检测基础
导读
这篇论文提出 MIDAS，一种面向图数据流的快速异常检测方法，用于实时发现图中的异常边（如可疑攻击或刷量行为）。据称其准确率比当时最先进方法最高提升 48%，速度快最多 644 倍，在 DARPA 数据集上检测延迟可低至约 0.13 秒。
HN 关注点：在网络安全等场景中实时检测可疑活动的能力，以及其大幅超越现有方法的性能数据。
HN 评论精选
这几条评论里：支持 2 补充 2
补充提供代码仓库和论文核心性能数据
附上 Git 仓库：https://github.com/bhatiasiddharth/MIDAS。论文称比最先进方法准确率最高提升 48%，速度快 644 倍。
dmos62查看英文原文
Git repo https://github.com/bhatiasiddharth/MIDAS > Up to 48% more accurate and 644 times faster than the state of the art approaches
补充邀请将该方法应用于 COVID 反虚假信息项目
如果有人有兴趣把这些技术应用到我们的 COVID 行为变化与反虚假信息项目 ProjectDomino.org，我们愿意共享数据——这可能会很有帮助！欢迎加入 Slack（开放邀请），我们可以帮你上手。
lmeyerov查看英文原文
If anyone would be interested in trying to apply these techniques to our COVID behavior change & anti-misinformation effort ProjectDomino.org, we'd be happy to share data - this may be quite helpful! Just jump into the Slack (open invite) and we can start getting you situated.
支持探讨其在安全领域实时拦截可疑活动的潜力
考虑到它的速度之快（在 DARPA 数据集上低至 0.13 秒），你觉得这会如何改变安全领域的格局？我预计它将帮助拦截更大数量的可疑活动。
ronittaleti查看英文原文
How do you think this can help change the landscape of security, judging by the fast speeds, as low as .13s on DARPA, I imagine it will help block larger numbers of suspicious activities.
支持同行研究者认可论文的问题设定
作为异常检测领域的研究者，我觉得这篇论文的前提设定非常有趣。
debangsha查看英文原文
As a researcher in anomaly detection myself, I found the premise of the paper very intriguing.
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2020Hacker News 讨论帖215 分 · 29 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选