最近在OOD检测方面的进展：问题与方法
原文中文，约1300字，阅读约需4分钟。
📝
内容提要
本文综述了开放集识别（OOD）检测的最新技术进展，提出了一个通用框架，涵盖异常检测等相关领域。研究了模型在动态环境中检测OOD样本的能力，强调提高模型鲁棒性的重要性，并探讨了学习OOD检测的理论基础和实践指导。
❓
Q&A
什么是开放集识别（OOD）检测？
开放集识别（OOD）检测是识别和检测来自训练集分布之外的样本的技术。
本文提出了什么样的OOD检测框架？
本文提出了一个通用的OOD检测框架，涵盖了异常检测等相关问题的特例或子任务。
如何提高模型在OOD检测中的鲁棒性？
提高模型鲁棒性的重要性在于能够更好地识别和处理来自未知分布的样本。
CAOOD模型的主要特点是什么？
CAOOD模型旨在适应动态分布变化，并在部署期间处理不足的ID样本。
NINCO测试集的作用是什么？
NINCO测试集用于更准确地评估模型在OOD检测中的表现。
在监督和无监督学习环境中如何高效检测OOD样本？
通过统计检测重新定义OOD问题，并研究使OOD问题可识别的条件。
🏷️
