新研究质疑零样本 OOD 检测器的可靠性

一篇题为“水平、锐度与语料库：为什么零样本 OOD 检测器排名不具可迁移性”的新研究论文，由 Ignacio Meza De la Jara 撰写，探讨了零样本分布外 (OOD) 检测器不可靠的问题。研究表明，检测器排名在不同领域之间可能会逆转，并且性能高度依赖于分布内数据和底层视觉语言模型 (VLM)。研究发现，无语料库的检测器依赖于绝对匹配水平和相对或空间锐度，而基于 WordNet 的方法也依赖于外部语义覆盖。为解决此问题，该论文引入了互补证据卫士 (CEG)，这是一个检测器无关的包装器，通过融合基础检测器、水平和锐度信息来提高性能，而无需 OOD 样本或辅助语料库。 AI

影响 挑战了零样本 OOD 检测器的基准排名在不同领域可靠迁移的假设，表明需要更稳健的评估方法。

排序理由 发表在 arXiv 上的研究论文，详细介绍了关于 OOD 检测器的发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• Complementary Evidence Guard
• GL-MCM
• Ignacio Meza De la Jara
• Level, Sharpness, and Corpus: Why Zero-Shot OOD Detector Rankings Do Not Transfer
• WordNet

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →