近日，浪潮数据库与华东师范大学数据科学与工程学院决策智能团队合作完成的研究论文《CrossAD: Time Series Anomaly Detection with Cross-scale Associations and Cross-window Modeling》（《CrossAD：具有跨尺度关联和跨窗口建模的时间序列异常检测》），被全球人工智能与机器学习领域的顶尖学术会议NeurIPS 2025（Conference on Neural Information Processing Systems）录用。
浪潮数据库团队与华东师范大学决策智能实验室杨彬、郭晨娟教授团队长期围绕时序大模型在预测、异常检测与分类等方向开展联合研究，本次录用标志着双方在时序数据分析与人工智能融合创新方面的前沿探索获得了国际学术界的权威认可。浪潮数据库总经理张晖、副总经理李明、首席解决方案专家金宁为共同作者。
NeurIPS与ICML、ICLR并称为机器学习领域的“三大会”，其以严格的论文评审标准和前沿的学术影响力而闻名，是全球AI研究者发布和交流突破性成果的重要平台。
本次入选的论文聚焦于时间序列异常检测这一关键领域。在金融风控、工业物联网、智能运维等众多场景中，及时、准确地从海量时序数据中发现异常点至关重要。然而，现有技术在多尺度信息利用和上下文建模方面存在显著局限。共同作者金宁介绍：“传统的多尺度方法往往孤立地看待不同粒度的数据，或者进行简单的特征融合，未能充分捕捉异常发生时‘跨尺度关联’的动态特性。同时，固定大小的滑动窗口也难以获取全面的全局背景信息，导致某些隐蔽性强的异常难以被发现。”
针对这些挑战，浪潮数据库团队提出了创新的时间序列异常检测框架——CrossAD框架。该框架的核心突破在于两点：一是跨尺度关联重建，通过一种新颖的跨尺度重建方法，迫使模型学习从粗粒度序列重建细粒度序列，从而显式地捕捉和利用不同尺度之间的动态关联，使得在某一尺度下不明显的异常模式在其他尺度的辅助下变得清晰可辨；二是跨窗口全局上下文建模，设计动态查询库，整合全局的多尺度上下文信息，突破了固定窗口大小的限制，使模型能够获得更全面的背景知识，极大地提升了复杂场景下的异常检测能力。该论文通过使用九项评估指标对七个真实数据集上的广泛实验证明，CrossAD框架在异常检测方面的性能显著优于现有主流方案，具备业界领先优势。
该项研究成果具有极高的行业应用价值。在IT智能运维领域，CrossAD能够更早、更准确地预警服务器、数据库和网络的潜在故障，保障业务连续性；在工业互联网场景中，它可用于实时监测生产线设备的状态变化，预测性维护，避免非计划停机；在金融科技领域，该技术能增强对欺诈交易、市场异常波动的识别能力，有效控制风险...
目前，浪潮数据库正致力于将CrossAD的核心能力融入云原生数据库产品体系，为企业提供更智能、更可靠的数据分析服务，助力客户实现数字化转型升级。未来，团队将继续深化“AI for Data”方向的前沿研究，加大研发投入，推动人工智能与数据管理技术的深度融合及创新成果的产品化落地，为客户构建面向未来的数据基础设施，释放数据要素的核心生产力。
