面向科学AI的任务感知OOD检测：可信任证书之路
机器学习
2026-05-12 v3
摘要
数据驱动模型日益被采用于天气预报、流体动力学等关键科学领域。这些方法在数据分布外（out-of-distribution，OOD）数据上可能失效，但检测这种失效在回归任务中仍是开放挑战。我们提出一种新型OOD检测方法，基于使用基于评分的扩散模型估计联合似然度。该方法不仅考虑输入，还考虑回归模型的预测，从而提供任务感知的可靠性评分。在众多科学数据集上，包括偏微分方程数据集、卫星图像和脑肿瘤分割数据，我们展示该似然度与预测误差强烈相关。我们的工作为构建可验证的“可信任证书”提供了基础步骤，从而为评估AI驱动科学预测的可靠性提供了实用工具。我们的代码已公开：https://github.com/bogdanraonic3/OOD_Detection_ScientificML。
引用
@article{arxiv.2509.25080,
title = {Towards a Certificate of Trust: Task-Aware OOD Detection for Scientific AI},
author = {Bogdan Raonić and Siddhartha Mishra and Samuel Lanthaler},
journal= {arXiv preprint arXiv:2509.25080},
year = {2026}
}