TSB-AD（Time Series Benchmark for Anomaly Detection）由 John Paparrizos 等团队于2024年在 NeurIPS 2024 Datasets & Benchmarks Track 发表（正式标题："The Elephant in the Room: Towards A Reliable Time-Series Anomaly Detection Benchmark"）。该基准针对时序异常检测领域长期存在的数据质量、评估指标与算法对比可靠性问题，从三个维度系统化解决：（1）数据完整性：收录来自40个数据集的1070条高质量时序；（2）指标可靠性：通过系统分析确定 VUS-PR 为最可靠评估指标；（3）全面基准测评：对40种检测算法进行严格超参数调优后的评测。研究结论挑战了神经网络优于简单方法的普遍认知，发现统计方法和简单架构在许多场景下表现更优。数据集和代码完全开源（https://github.com/TheDatumOrg/TSB-AD）。
| 行业 | 跨域基准 |
|---|---|
| 任务 | anomaly_detection |
| 模态 | engineering_parameters |
| 频率档 | mixed |
| 采样率 | — |
| 真实度 | hybrid |
| 访问门槛 | open |
| 质量评分 | ★★★★★ |
| 采用度 | high |
| 数据形态 | continuous_process |
| 是否多模态 | 否 |
| 规模 | 40 公开集整合，1,070 条高质量时序（200 条多变量），9 领域 |
| License | open |
异常检测最权威综合基准。