RankOOD——基于类别排序的文件分布检测方法
机器学习
2026-04-15 v2
摘要
我们提出了RankOOD，这是一种基于训练Plackett-Luce损失函数的基于类别排序的文件分布（OOD）检测方法，目前广泛用于基础模型的偏好对齐任务。我们的方法基于这样一个洞察：在使用交叉熵损失训练的深度学习模型中，分布内（ID）类别预测会导致每种ID类别预测产生一种排序模式。RankOOD框架通过首先使用初始分类器提取每种类的排序列表，然后使用另一轮训练（采用Plackett-Luce损失），其中类别排序（每种类的固定置换）是预测变量。一个OOD示例可能被分配给高概率的ID示例，但其符合排序分类的概率可能较小。RankOOD在接近OOD的TinyImageNet评估基准上实现了SOTA性能，将FPR95降低了4.3%。
引用
@article{arxiv.2511.19996,
title = {RankOOD -- Class Ranking-based Out-of-Distribution Detection},
author = {Dishanika Denipitiyage and Naveen Karunanayake and Suranga Seneviratne and Sanjay Chawla},
journal= {arXiv preprint arXiv:2511.19996},
year = {2026}
}