AAAI

CANDI: Curated Test-Time Adaptation for Multivariate Time-Series Anomaly Detection Under Distribution Shift

CANDI：为分布偏移下的多变量时间序列异常检测设计的精选测试时适应

HyunGi Kim, Jisoo Mok, Hyungyu Lee, Juhyeon Shin, Sungroh Yoon

AI总结 CANDI提出了一种新的测试时适应框架，通过精选潜在的假阳性样本并保留预训练知识，提升多变量时间序列异常检测在分布偏移下的性能，实验显示其在AUROC上提升达14%。

Comments AAAI 2026

A Pressure-Based Diffusion Model for Influence Maximization on Social Networks

基于压力的扩散模型用于社交网络上的影响最大化

Curt Stutsman, Eliot W. Robson, Abhishek K. Umrawal

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Narmi Inc.（Narmi公司） 纠错

AI总结 本文提出压力阈值模型（PT）用于动态模拟社交网络中的影响传播，扩展了线性阈值模型（LT），并通过实验表明在密集网络中压力效应更显著，影响最大化结果与LT模型不同。

Comments 13 pages, 8 figures, and 2 tables; Accepted for presentation at the 20th International AAAI Conference on Web and Social Media (ICWSM 2026)