本研究提出了GLADMamba框架，解决了无监督图级异常检测中的长距离依赖和光谱信息忽视问题。通过选择性状态空间模型，GLADMamba在12个真实数据集上显著提升了检测性能。

近年来，无监督的图级异常检测和离群检测备受关注。提出了一个统一的基准和评估框架，包含35个数据集和16种代表性的方法。通过多维分析，探索了现有方法的有效性、泛化能力、鲁棒性和效率，并提供了开源代码库和未来研究的潜在方向。