本文介绍了一种将离群分布检测评分无缝组合的通用方法，通过量化正态化将这些评分转化为 p 值，并使用元分析工具组合这些检验，得到具有巩固决策边界的更有效的检测器。实证研究表明该方法在各种离群分布检测场景中显著提高了整体鲁棒性和性能。框架易于扩展，并且是该领域中首个结合决策边界的方法。

该文介绍了一种名为CAOOD的离群分布检测模型，能够适应动态和迅速适应新到达分布的离群分布检测，并在测试过程中通过少量适应快速调整到新的分布，从而确保在不断变化的分布上具有离群分布检测性能。实验证明该方法有效。

该文介绍了一种新颖的离群分布检测模型，称为CAOOD，通过MOL在训练过程中学习到了一个良好初始化的离群分布检测模型。实验证明该方法在保持ID分类准确性和离群分布检测性能方面有效。