研究人员开发了一种名为ConjNorm的新型分布外（OOD）检测方法，该方法将密度函数设计重新构建为优化范数系数。该方法在OOD检测基准测试中展现出领先性能，显著优于先前的方法。与此同时，一项比较研究发现，传统的机器学习方法在分布外检测方面可以达到与深度学习方法相媲美的性能，尤其是在医学影像等视觉复杂度较低的领域，同时提供更高的计算效率和更低的延迟。 AI
影响 分布外检测的新方法提高了AI的可靠性和效率，可能加速其在现实世界的部署。
排序理由 该集群包含两篇学术论文，详细介绍了分布外检测领域的新方法和比较研究。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2402.17888v5 Announce Type: replace-cross Abstract: Post-hoc out-of-distribution (OOD) detection has garnered intensive attention in reliable machine learning. Many efforts have been dedicated to deriving score functions based on logits, distances, or rigorous data distribu…
arXiv:2605.10181v2 Announce Type: replace-cross Abstract: Out-of-distribution (OOD) detection is essential for building reliable AI systems, as models that produce outputs for invalid inputs cannot be trusted. Although deep learning (DL) is often assumed to outperform traditional…