本研究提出了一种新的分布外样本（OOD）检测框架MixDiff，通过对目标样本和相似的分布内样本施加相同的输入扰动，比较两者模型输出的相对差异，解决了机器学习模型在远程API下无法访问参数的问题，有效提升了在视觉和文本领域的OOD检测性能。

本文提出了一种改善深度神经网络对损坏图像鲁棒性的方法，通过引入输入扰动和数据增强训练网络，提高了模型的泛化性能。

介绍了一种培训机器学习模型的方法，以保持在输入扰动下的公平性，并使用分布鲁棒优化方法进行训练。该方法在两个容易受到性别和种族偏见影响的机器学习任务上表现良好。