Charmaine Barker

作者提出 CLEAR，一种轻量、任务无关的后处理方法：用留出的校准数据刻画模型潜空间的组条件几何结构，在推理时于潜空间生成扰动视图并度量其与预测组校准几何的冲突，据此对潜空间不一致的输入选择性降低证据强度，从而在不重训练、不改变基础预测的前提下提升证据学习的鲁棒性；在 ImageNet→CUB 上 OOD 与对抗 AUROC 分别提升 8.29 和 5.01，运行速度比竞争性后处理方法快 17.4 倍，并在分类、回归与目标检测基准上保持预测性能。

作者提出 CLEAR，一种轻量、任务无关的后处理方法：用留出的校准数据刻画模型潜空间的组条件几何结构，在推理时于潜空间生成扰动视图并度量其与预测组校准几何的冲突，据此对潜空间不一致的输入选择性降低证据强度，从而在不重训练、不改变基础预测的前提下提升证据学习的鲁棒性；在 ImageNet→CUB 上 OOD 与对抗 AUROC 分别提升 8.29 和 5.01，运行速度比竞争性后处理方法快 17.4 倍，并在分类、回归与目标检测基准上保持预测性能。