Out-of-distribution
释义 Definition
在机器学习/统计语境中，“分布外的；超出训练数据分布的”。指输入数据的来源分布与模型训练时见过的数据分布不一致，因而模型可能表现不可靠（常缩写为 OOD）。
发音 Pronunciation (IPA)
/ˌaʊt əv ˌdɪstrɪˈbjuːʃən/
例句 Examples
The model performs well on the test set but fails on out-of-distribution images.
这个模型在测试集上表现很好，但在分布外图像上会失效。
Out-of-distribution detection is crucial for deploying AI systems in real-world, safety-critical settings.
在真实世界、对安全要求很高的场景中部署 AI 系统时，分布外检测至关重要。
词源 Etymology
由短语 out of（在……之外）+ distribution（分布）组合而成；在统计学与机器学习中，“distribution”常指数据的概率分布，因此 “out-of-distribution” 用来强调“样本来自不同的数据生成机制/概率分布”。
相关词 Related Words
文学与著作中的用例 Literary & Notable Works
- Ian Goodfellow, Yoshua Bengio, Aaron Courville：《Deep Learning》（深度学习）——讨论泛化、分布偏移等概念时常与 OOD 问题相关联。
- Dan Hendrycks & Kevin Gimpel (2017)：“A Baseline for Detecting Misclassified and Out-of-Distribution Examples in Neural Networks”——经典 OOD 检测基线论文。
- Shiyu Liang, Yixuan Li, R. Srikant (2018)：“Enhancing The Reliability of Out-of-distribution Image Detection in Neural Networks”——提出 ODIN 方法，广泛引用。
- Chuan Guo et al. (2017)：“On Calibration of Modern Neural Networks”——模型校准与不确定性评估常被用于缓解 OOD 风险。
Select Language