Awesome-Anomaly-Detection-Foundation-Models

一网打尽基础模型做异常检测的前沿资源

这是一个精选列表，汇集了基于基础模型（如大语言模型、视觉-语言模型、图基础模型、时间序列基础模型）进行异常检测的相关论文和资源。项目旨在为研究者和工程师提供一个系统性的入口，帮助他们快速了解该交叉领域的最新进展。它解决了异常检测领域传统方法泛化能力弱、依赖大量标注数据的问题，通过引入基础模型的强大表示学习和推理能力，提升异常检测的准确性和适应性。核心能力包括对论文的分类整理、资源索引以及领域趋势的呈现，方便用户按需查阅。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 222

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队mala-lab

所属国家

官网地址

GitHubhttps://github.com/mala-lab/Awesome-Anomaly-Detection-Foundation-Models

定价模式free

价格说明开源资源列表，完全免费

访问状态

是否开源是

开源协议

主要语言

技术栈/模型anomaly-detection,foundation-models,large-language-models,multimodal-foundation-models,multimodal-large-language-models,time-series-foundation-models,vision-language-models

GitHub 星标★ 222

30天Star增速

HF 下载量

上线时间2025-03-13 00:00:00

最近更新2026-09-24 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

聚焦前沿交叉方向，紧跟基础模型在异常检测中的应用趋势
按模型类型分类整理，便于快速定位相关论文和资源
作为精选列表，为入门者提供清晰的领域地图

不足之处

项目处于早期阶段，内容覆盖可能不全
文档/社区待观察

适用场景

研究者调研基础模型在异常检测中的最新进展
工程师寻找适用于工业异常检测的预训练模型参考
学生入门异常检测与基础模型交叉领域

替代项目

awesome-anomaly-detection、awesome-deep-anomaly-detection、anomaly-detection-resources

项目介绍

Awesome-Anomaly-Detection-Foundation-Models 是评测安全领域的开源项目，由 mala-lab 开发，2025 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 222。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-24。开源资源列表，完全免费。

它主要面向的使用场景是：研究者调研基础模型在异常检测中的最新进展。同类可对比的替代方案包括 awesome-anomaly-detection、awesome-deep-anomaly-detection、anomaly-detection-resou…。

上一篇：long-form-factuality

下一篇：Robust-U1