跳到正文
arXiv · ML· Hamidreza Saghir·· 2026-10-05AI 评分43

语言模型轨迹中 OOD 检测的分数反转:特征区分度与异常排名解耦

Useful Features, Backward Scores: OOD in Language-Model Trajectories

AI 导读

研究显示在文本长度控制下,区分输入组的特征未必产生有效的异常排名。在 Spam 数据上,D^2HScore 的输入适应版本在长度匹配后 AUROC 从 0.919 降至 0.530;在 HateSpeech 数据上,同一特征用于线性分类器 AUROC 为 0.644,而用于 ID 拟合的距离分数 AUROC 仅为 0.444。

来源:arXiv · ML · arxiv.org