该论文提出了一种通过单次前向传递来训练确定性深度模型的方法，该模型可以找到并拒绝分布外的数据点。论文还提出了一种基于确定性不确定性量化（DUQ）的建议，并描述了一种新的损失函数和质心更新策略。通过引入梯度惩罚，可以可靠地检测分布外的数据，并且可以在大型数据集上缩放不确定性量化。作者在一些难以检测的数据集上使用单个模型得出了比 Deep Ensembles 更好的结果。