분포 외 데이터 탐지 평가 재고: 소리테스 역설
본 논문에서는 분포 외 데이터 탐지 벤치마크에서 기존의 의미론적 레이블 기반 접근 방식의 문제점을 지적하고, 의미론적 및 공변량 변화 수준을 기반으로 벤치마크를 구축하여 모델의 성능을 더욱 포괄적으로 평가해야 한다고 주장합니다.
커널 PCA를 활용한 분포 외 데이터 탐지
본 논문에서는 심층 신경망(DNN)의 특징 공간에서 선형적으로 분리하기 어려운 분포 내(InD) 데이터와 분포 외(OoD) 데이터를 구별하기 위해 커널 PCA(KPCA) 기반 OoD 탐지 방법을 제안합니다.
트리 기반 앙상블 학습을 이용한 분포 외 데이터 탐지
트리 기반 앙상블 학습 모델을 이용하여 학습 데이터와 다른 분포의 테스트 데이터를 효과적으로 탐지할 수 있다.
심층 메트릭 학습 기반 합성 이상치 노출을 통한 분포 외 데이터 탐지
본 연구는 심층 메트릭 학습과 확산 모델을 이용한 합성 데이터 생성을 결합하여 분포 외 데이터 탐지 성능을 향상시키는 새로운 접근법을 제안한다.
신경망의 과신뢰 오류를 줄이기 위한 기울기 정규화 기반 분포 외 데이터 탐지
신경망이 원래 학습 분포와 다른 데이터에 대해 과신뢰 오류를 보이는 문제를 해결하기 위해, 손실 함수의 기울기 정규화를 통해 국소적 정보를 학습하고 에너지 기반 클러스터링을 통해 더 정보적인 분포 외 데이터 샘플링을 수행한다.
대규모 언어 모델이 생성한 동료 클래스를 활용한 분포 외 데이터 탐지
대규모 언어 모델을 활용하여 생성한 동료 클래스 정보를 보조 모달리티로 사용하여 분포 외 데이터 탐지 성능을 향상시킬 수 있다.
다중 검정 기반 레이어별 특징 융합을 통한 분포 외 데이터 탐지 성능 향상
다중 검정 기법을 활용하여 사전 학습된 신경망의 다양한 레이어에서 추출된 특징을 융합함으로써 분포 외 데이터 탐지 성능을 향상시킨다.
바이-인코더 기반 탐지기를 활용한 분포 외 데이터 탐지
본 논문은 바이-인코더 기반 탐지기를 활용하여 자연어 처리 분야에서 분포 외 데이터를 효과적으로 탐지하는 방법을 제안한다.
© 2024 by Linnk AI