Een verklaarbare LLM-agentlaag voor open-wereld anomaliedetectie in oliebronnen

arXiv:2608.04041v1 Aankondigingstype: nieuw Samenvatting: Open-World Learning (OWL)-pijplijnen voor het detecteren van afwijkingen in oliebronnen zijn recentelijk getoond die autoencoder-gebaseerde detectie, multiclass-classificatie en Mahalanobis-gebaseerde nieuwigheidsdetectie combineren op de openbare 3W-dataset. Deze pijplijnen beantwoorden wát er is gebeurd, maar ze leggen niet uit waarom het model dat denkt of wat de operator vervolgens moet doen, en ze geven de nieuwigheidsclusters die ze ontdekken geen voor mensen leesbare naam.