本文探讨开放世界机器学习系统的可靠性，强调组件选择对OOD检测性能的影响，并提出结合鲁棒分类器和OOD检测的新方法。研究介绍了开放世界目标检测的评估协议和框架，提出分布增强的外部数据学习方法，展示其在未知数据检测中的优越性。此外，提出基于熵的主动学习框架，以推动开放环境下机器学习的发展。