arXiv · 训练
Debiased Negative Mining 改善视觉语言模型 OOD 检测
这篇 arXiv 论文提出了一种改进预训练视觉语言模型分布外检测的新方法。该方法名为 Debiased Negative Mining，通过引入去偏的负样本挖掘策略，让模型在未知类输入面前表现得更可靠。实验表明，这一思路相比传统后验概率阈值法有显著提升，为提升视觉语言模型在开放环境中的安全性提供了实用工具。
- 域名
arxiv.org- 评分
- 3 · 可关注
- 发布
- 2026-05-22
导读
这条暂时没有深度导读，点上方「访问项目本体」直接到源页面查看。
原文摘要
Aiming at identifying unexpected inputs from unknown classes, out-of-distribution (OOD) detection has emerged as a pivotal approach to enhancing the reliability of machine learning models. This paper focuses on the burgeoning paradigm of post-hoc OOD detection with pre-trained vision-language model…