Phát hiện ngoài phân phối

Phát hiện ngoài phân phối (OOD) là một tập hợp các kỹ thuật nhằm xác định khi nào một mô hình học máy đang triển khai nhận các đầu vào khác biệt đáng kể so với phân phối dữ liệu huấn luyện của nó. Được giới thiệu như một bài toán chính thức bởi Hendrycks và Gimpel vào năm 2017, các phương pháp này cho phép mô hình gắn cờ các đầu vào không quen thuộc thay vì âm thầm đưa ra các dự đoán không đáng tin cậy, làm cho chúng trở thành nền tảng cho việc triển khai AI đáng tin cậy và an toàn trong các lĩnh vực có rủi ro cao.