技术
OOD（分布外泛化）
分布外泛化指模型在训练分布之外的数据上保持性能的能力，解决真实部署中数据分布偏移导致的性能骤降问题。典型应用包括自动驾驶遇到罕见场景、医疗影像中的新设备数据，代表工作如DomainBed基准和IRM算法。
详细解释
OOD（Out-of-Distribution）问题源于训练数据与测试数据独立同分布假设的违背。当测试分布与训练分布不同时，模型性能会显著下降。技术方法包括领域泛化、分布鲁棒优化、不变风险最小化等，旨在学习跨分布不变的表示。评估通常采用留一领域交叉验证，常用数据集有PACS、VLCS、Office-Home等。
别名与相关写法
ood
相关术语
相关公司
相关资讯
经济学人：谷歌 5000 亿美元市值蒸发凸显 AI 威胁2026/10/31
科技股与加密货币“血腥星期五”暴跌，英特尔重挫 30%2026/10/30
Goodfire 研究员 2.6 万字博客称大模型更易理解，引发 AI 圈激辩2026/10/20
Anthropic 承诺捐出 5% 股份设立公益基金2026/10/19
Anthropic 向 METR 开放员工级访问权限接受独立评估2026/10/16
谷歌与好莱坞洽谈AI版权授权2026/9/2
OpenAI Astra模型擅长入侵系统2026/9/2
研究：大模型城市安全判断受社区名称污名影响2026/8/28