麻省理工学院等团队提出了AutoSciDACT方法，旨在自动化检测科学数据中的新发现。该方法结合对比学习和统计检验，能够有效识别异常信号，适用于天文学、物理学和生物医学等领域。研究表明，AutoSciDACT在不同数据集上表现优异，推动科学发现向数据驱动转型，提升科研效率。
本研究提出了一种新方法SIGMA，旨在准确建模信号区域的背景分布。该方法通过训练单一生成模型并在侧带区域插值参数，显著降低计算成本，同时保持高质量的背景建模和对异常信号的敏感性。
完成下面两步后，将自动完成登录并继续当前操作。
