该文章介绍了一种基于知识蒸馏的无监督异常检测方法，通过编码器-解码器设计减轻分类器偏差并防止学生重构异常。作者通过实验展示了该方法在性能和推理速度方面的能力，并提出了一个包含各种织物和缺陷的新数据集。

本研究使用自信息的倒数来衡量专利权要求的范围。通过考虑不同的语言模型，发现模型越复杂，结果越好。GPT2模型优于基于词和字符频率的模型。

本文介绍了一种生成相似性感知上采样核的通用公式，证明了该核鼓励语义平滑和边界锐度。这是一种新颖、轻量级和通用的上采样解决方案，即相似性感知点隶属（SAPA）。