本文探讨了在开放世界中利用能量分数进行离群检测，提出了一种统一框架以提升模型在OOD数据上的检测能力。通过能量采样和自我知识蒸馏等方法，显著降低了误报率，并在多个基准测试中表现优异。

该文综述了分布外（OOD）检测方法在计算机视觉与医学影像中的评估，指出视觉任务的高性能未必适用于医学成像；能量分数框架、深度集成及极值方法（如XOOD）可提升检测效果。医学领域如前列腺癌MRI和昆虫识别验证了OOD检测潜力，并提出新评估指标EPD。

本文综述分布外（OOD）检测研究：指出基于softmax置信度的方法存在过度自信问题，提出能量分数统一框架，使FPR降低18.03%；ALOE通过对抗训练提升鲁棒性，AUROC分别提高58.4%和46.59%；HEAT采用混合能量模型取得最佳结果；此外还介绍了测试时训练、AIOL、TRUSTED、GNNSafe及弃权类别等方法。