研究人员开发了一个名为拉格朗日子流（LSF）的新框架，以改进连续归一化流（CNFs）中的分布外（OOD）检测。该方法旨在分离和估计相关数据组件的密度，同时将其他组件用作上下文，从而解决 OOD 样本被错误分配高似然性的“似然悖论”。该框架利用子流轨迹沿速度场的几何诊断信号来创建度量，在零样本语音单元级别误读检测等任务上优于传统的基于似然的方法。 AI
影响 通过提高 AI 模型识别和拒绝不熟悉数据的能力来增强其可靠性。
排序理由 该集群包含一篇学术论文，详细介绍了 AI 模型中 OOD 检测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →