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。

本文探讨了多种分布外（OOD）检测方法及其隐含评分函数，展示了不同方法在共享学习下的相似性。通过引入自我知识蒸馏和监督对比学习，提出了一种有效的分类器学习方法，平衡了分类准确性与离群检测性能。此外，介绍了名为 OpenOOD 的代码库，整合了超过 30 种 OOD 检测方法，展示了该领域的显著进展。