Contrastive Learning for Interpretable Anomaly Detection at Collider Experiments
El artículo presenta ORCA, un marco de dos etapas que combina el aprendizaje contrastivo supervisado con autoencoders para lograr tanto una mayor sensibilidad como interpretabilidad en la detección de anomalías en colisionadores, mediante el mapeo de eventos en un espacio de incrustación donde las muestras anómalas pueden atribuirse cuantitativamente a procesos físicos conocidos.