في عالم تحليل البيانات، تمثل عملية كشف الشذوذ في البيانات التسلسلية تحدياً معقداً، حيث تتطلب دقة عالية وكفاءة في الأداء. وقد أظهرت الأبحاث الأخيرة استخدام نموذج لغوي كبير (LLM) كأداة لتوليد مكتشفات تلقائياً، مما يفتح آفاقًا جديدة للجمع بين الدقة، السرعة، والشفافية.

يعمل هذا الأسلوب على إنشاء حلقة بحث تلقائية، حيث يقوم النموذج بتحرير برنامج قصير مكتوب بلغة بايثون (NumPy) بشكل مستمر لتحقيق هدف خالٍ من التسرب المعلوماتي. خلال هذه العملية، نجح النموذج في اكتشاف مكتشفين مدمجين: أحدهما لكشف الشذوذ في السلاسل أحادية المتغير، والآخر في السلاسل متعددة المتغيرات. تتميز هذه المكتشفات بقدرتها على توصيف نوافذ قصيرة باستخدام ميزاتها الطيفية المحلية ومقارنتها مع توزيع منطقة التدريب من خلال مسافة واعية للتغاير.

عند اختباره على معيار TSB-AD، حققت هذه المكتشفات أداءً متفوقاً على مجموعة من المعايير، متفوقة على أقوى نماذج الكشف الكلاسيكية والمعتمدة على الشبكات العميقة. والأكثر إثارة هو أن النموذج لم يتطلب تدريب أي شبكة أو استخدام وحدة معالجة الرسوميات (GPU)، حيث كان المكتشف متعدد المتغيرات أسرع من كل نماذج الأداء المماثلة.

تظهر هذه النتائج الأمل في أن يكون البحث المدعوم بواسطة نماذج لغوية كبيرة خطوة عملية نحو اكتشافات دقيقة، فعالة، وشفافة.