ReForest: Interpretability Meets Reasoning in Isolation Forest

📄 arXiv: 2610.37316v1 📥 PDF

作者: Juyoung Seo, Geonwoo Bang, Dongho Kim, Moohong Min

分类: cs.AI

发布日期: 2026-10-27

备注: 12 pages, 2 figures. Published in PAKDD 2026

期刊: Advances in Knowledge Discovery and Data Mining (PAKDD 2026), Lecture Notes in Computer Science, vol. 16600, pp. 628-639, Springer (2026)

DOI: 10.1007/978-981-92-1468-6_45

💡 一句话要点

提出ReForest以解决孤立森林模型的语义理解问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 异常检测 孤立森林 语义推理 大型语言模型 动态集成 模型透明性 医疗数据 金融数据

📋 核心要点

  1. 现有的孤立森林方法在异常检测中无法理解数据的上下文，导致遗漏细微的异常。
  2. ReForest框架通过将孤立森林的决策路径转化为自然语言解释，结合LLMs的推理能力，提升异常检测效果。
  3. 在医疗和金融等真实数据集上，ReForest实现了召回率平均提高21%和F1-score提升10%的显著效果。

📝 摘要（中文）

统计异常检测方法如孤立森林在效率上表现优异，但存在严重的语义差距，无法理解数据的上下文含义，常常遗漏细微的、依赖上下文的异常。大型语言模型（LLMs）具备强大的语义推理能力，但在大规模部署时成本高昂且速度缓慢。为了解决这一问题，本文提出了ReForest框架，将孤立森林的统计效率与LLMs的推理能力相结合。ReForest将孤立森林的潜在决策路径转化为自然语言解释，使LLM能够通过不确定性感知的动态集成来优化异常检测。实验证明，ReForest在四个真实世界数据集（医疗、金融）上显著优于基线，召回率平均提高21%，F1-score提升10%。该框架不仅提升了检测性能，还通过将语义叙述与统计证据结合，增强了模型的透明性，为高风险决策提供了可解释的理由。

🔬 方法详解

问题定义：本文旨在解决孤立森林模型在异常检测中存在的语义理解不足的问题。现有方法虽然在统计上有效，但无法捕捉数据的上下文信息，导致对细微异常的检测能力不足。

核心思路：ReForest框架的核心思想是将孤立森林的决策路径转化为自然语言解释，从而利用大型语言模型的推理能力来增强异常检测的效果。通过这种方式，模型能够在不确定性驱动的实例级别上自适应地权衡统计信号和语义信号。

技术框架：ReForest的整体架构包括两个主要模块：首先是孤立森林模型用于初步的异常检测，其次是将决策路径转化为自然语言的过程，随后通过LLM进行推理和优化。

关键创新：ReForest的主要创新在于将统计异常检测与语义推理相结合，形成了一种动态集成的方法，使得模型能够在不同情况下灵活调整其决策依据。这一设计显著提升了模型的解释性和检测性能。

关键设计：在技术细节上，ReForest采用了不确定性感知的动态加权机制，允许模型根据实例的置信度调整统计和语义信号的权重。此外，模型的损失函数设计考虑了语义一致性与统计准确性之间的平衡。

📊 实验亮点

在四个真实世界数据集上的实验结果显示，ReForest框架显著优于现有基线，召回率平均提高21%，F1-score提升10%。这些结果表明，ReForest不仅提升了异常检测的性能，同时也增强了模型的透明性，为高风险决策提供了可解释的依据。

🎯 应用场景

ReForest框架在医疗、金融等高风险领域具有广泛的应用潜力。通过提升异常检测的准确性和可解释性，该方法能够为决策者提供更可靠的依据，帮助他们在复杂环境中做出更明智的决策。未来，ReForest有望在更多领域推广应用，推动智能决策系统的发展。

📄 摘要（原文）

Statistical anomaly detection methods like Isolation Forest are efficient but suffer from a critical semantic gap. They identify numerical rarities but fail to understand the contextual meaning of data, often missing subtle, context-dependent anomalies. Conversely, Large Language Models possess strong semantic reasoning capabilities but are prohibitively expensive and slow for large-scale deployment. To bridge this gap, we propose ReForest, a novel framework that synergizes the statistical efficiency of Isolation Forest with the reasoning power of LLMs. ReForest transforms the latent decision paths of Isolation Forest into natural-language explanations, enabling an LLM to refine anomaly detection through an uncertainty-aware dynamic ensemble. This approach allows the model to adaptively weigh statistical and semantic signals based on uncertainty-driven instance-level confidence. Extensive experiments on four real-world datasets (Healthcare, Finance) demonstrate that ReForest significantly outperforms baselines, achieving an average 21% improvement in Recall and a 10% gain in F1-score. Our framework not only improves detection performance but also enhances model transparency by grounding semantic narratives in statistical evidence, providing interpretable rationales essential for high-stakes decision-making.