我最近整理这个方向时，发现"搜到很多论文"并不是最难的；最难的是看了十篇之后才发现，实验任务根本不一致。有的研究单变量，有的研究多变量；有的定位单个异常点，有的评价整段异常事件。只按模型名下载论文，后面很难写出有逻辑的综述。
下面是我会实际执行的一轮检索。先打开已经预填英文任务词的入口：
这个网站先用于查看公开题录、题名、摘要、年份、DOI 和来源链接。结果很多时再用年份、文献类型、开放获取等筛选；不要把聚合页的结果当作论文全文或质量认证。
1. 第一轮只搜任务，先做分类
输入 time series anomaly detection。先读几篇综述和相关论文的题名、摘要，在检索日志里回答四个问题：
- 数据是单变量还是多变量？
- 要找的是单个异常点，还是一段异常事件？
- 训练时有无异常标签？
- 作者报告的是点级、事件级，还是其他评测？
摘要说不清，就标"待读原文"，不要为了填表自己猜。
2. 第二轮每次只改一个条件
| 轮次 | 可复制检索词 | 这轮要解决的问题 | 读完摘要后的下一步 |
|---|---|---|---|
| 1 | time series anomaly detection |
看领域范围与常用术语 | 标注单/多变量与异常类型 |
| 2 | multivariate time series anomaly detection |
若课题是多传感器或多维数据 | 记录数据集、标签与任务 |
| 3 | unsupervised multivariate time series anomaly detection |
若训练时没有异常标签 | 核对作者是否真的采用同样设定 |
这是一组查询示例，不保证第三轮一定比第二轮好。结果变少但不贴题，就撤掉最后一个限定词；结果仍太杂，就根据自己实际的数据场景改词。不要同一轮再叠加三个算法名，否则无法判断哪个词改善了检索。
3. 在网站上筛候选，而不是筛结论
先用"只看综述"了解问题脉络，再按年份找较新的方法研究。点击具体结果，核对摘要是否真在解决你的任务；有 DOI 就打开原始出版页面。若想读正文，可以尝试"开放获取"筛选与来源链接，但不假设每篇都有免费全文。
最终文献表我会保留这些列：
作者年份｜研究问题｜单/多变量｜异常定义｜训练标签条件｜数据集｜基线｜评测方式｜DOI/来源｜保留理由
尤其别只抄一个 F1 数字。不同论文可能使用不同的异常标注、窗口匹配和评价粒度，数字不能直接排成"最好模型榜"。
我的初筛规则会写得更明确：
| 摘要中看到什么 | 初筛动作 | 为什么 |
|---|---|---|
| 研究对象是多维传感器序列，且给出异常检测设定 | 暂留 | 和示例课题的任务接近 |
| 只做普通时间序列预测，没有异常检测目标 | 排除 | 关键词相似，但研究问题不同 |
| 摘要没说标签、数据或评测粒度 | 待读正文 | 不能凭标题猜实验设定 |
| 只有预印本记录，同时存在正式版本 | 先核对版本 | 避免把同一研究当两篇引用 |
例如检索结果里的 Deep Learning for Time Series Anomaly Detection: A Survey 可用于先认术语和分类；但写"某种模型效果更好"时，仍要找任务设定相同的原始研究，而不能只引用综述结论。
4. 留下可复查的搜索日志
text
检索日期：
本轮问题：
输入关键词：
筛选条件（年份/类型/开放获取）：
读过哪些题名和摘要：
纳入/排除理由：
下一轮改动：这样做的好处是开题或写综述时，能说明文献从哪里来、为什么保留，也能避免隔几天重复搜索同一批关键词。本站帮助找题录和来源；实验细节、结论及正式引用仍要回到原文核对。
结尾
建议先跑第一轮，再根据自己的任务设定决定下一轮。关键词越长不一定越准，检索日志能帮你看清哪一步真正有效。