本文综述选择性分类研究，通过为深度神经网络引入拒绝选项，在风险可控下提升分类性能，ImageNet 错误率降低2%、覆盖近60%。研究涵盖基于熵的正则化、SelectiveNet、差分隐私、选择性回归与集合，并发现ViT在不确定性估计上表现最优。