本研究提出了一种基于距离的集成聚类方法，有效解决了聚类模型性能评估中的挑战，能够处理多样的聚类定义，优于其他评分方法。

本研究提出了一种新方法，通过对输入空间进行扰动，扩展OOD检测中的输入维度。研究发现，OOD数据在扰动下置信度显著降低，而ID数据保持高置信度。基于此，提出了评分方法CoVer，以提高OOD和ID数据的可分性。

该研究提出了新的评分方法和集成方法来提高深度神经网络的性能，已在多个数据集和网络架构中得到实证评估，并在Imaget上提高了1%的性能。