深度分析 AxonAD:以注意力查詢可預測性提升多變量時間序列異常偵測效能 本研究聚焦於車載多變量時間序列的協調異常,提出 AxonAD 以注意力查詢的短期可預測性作為偵測依據,結合重建誤差與尾部查詢偏差得分。查詢不匹配得分能捕捉跨通道協調斷裂,即使各通道幅度正常,也提供額外訊號;相較於 LSTMAD、SISVAE 等模型,AxonAD 在 AUC‑PR、Event‑F1 與 Range‑F1 等閾值自由指標上均領先。