NetEase（网易）

NeighborDiv: Training-free Zero-shot Generalist Graph Anomaly Detection via Neighbor Diversity

NeighborDiv: 一种基于邻居多样性、无需训练的跨域通用图异常检测方法

Kaifeng Wei, Teng Liu, Liang Dong, Xiubo Liang, Yuke Li

机构 * Netease Yidun AI Lab（网易易盾AI实验室） ； School of Software Technology（软件学院） ； Zhejiang University（浙江大学） 纠错

AI总结 本文提出NeighborDiv，一种无需训练的通用图异常检测方法，通过邻居多样性原理来检测异常，克服了传统方法在训练复杂度、数据依赖性和跨域泛化稳定性方面的不足，实验表明其在多个评估框架下均取得最佳性能。

Preferences Order, Ratings Anchor: From Fused Expert Aesthetic Ground Truth to Self-Distillation

偏好顺序、评分锚定：从融合专家审美真实数据到自我蒸馏

Yuanpei Zhao, Jie Lin, Chao Zhang, Yilin Wang, Mao Li, Chenhui Li, Jie Hou, Tangjie Lv

机构 * Sichuan University（四川大学） ； NetEase Fuxi AI Lab（网易福溪人工智能实验室） ； East China Normal University（华东师范大学） 纠错

AI总结 本文提出PPaint基准，通过融合专家偏好和评分数据，改进图像审美评估模型，通过自我蒸馏方法在单次推理中实现更准确的审美评分，优于现有开源和闭源基线模型。

Comments 27 pages, 7 pages