# 分布外检测

近分布外（near-OOD）样本与训练类在特征上高度相似，现有事后检测器擅长远分布外却在此处失效。PLUS不替换检测器，而是用稀疏自编码器为每个类别挑出最活跃神经元、张成低维子空间，再以该类别的白化马氏距离给出补充分数，按单一固定权重与任意已校准基础分数相加。在ImageNet-1K的OpenOOD v1.5基准上，18个检测器与7种骨干的全部126个组合近分布外AUROC均提升，远分布外大体保持，仅在基础分数已接近饱和处出现不超过1个点的回落。

近分布外（near-OOD）样本与训练类在特征上高度相似，现有事后检测器擅长远分布外却在此处失效。PLUS不替换检测器，而是用稀疏自编码器为每个类别挑出最活跃神经元、张成低维子空间，再以该类别的白化马氏距离给出补充分数，按单一固定权重与任意已校准基础分数相加。在ImageNet-1K的OpenOOD v1.5基准上，18个检测器与7种骨干的全部126个组合近分布外AUROC均提升，远分布外大体保持，仅在基础分数已接近饱和处出现不超过1个点的回落。

地球观测基础模型（如 AlphaEarth、Tessera）把每个 10 米像素压成一个稠密向量，其中单个维度往往混合多种地表概念。稀疏自编码器把这种向量展开到过完备字典上，只让少数原子激活，从而得到近似单义的稀疏特征。在匹配稀疏度下，三种稀疏自编码器变体的重建都优于主成分分析、独立成分分析、非负矩阵分解和原始维度；但一个解码器冻结为随机字典的对照同样表现出特征更专一、空间尺度更细，说明这两点来自稀疏性本身，只有学习到的字典才把 AlphaEarth 的未解释方差降到八分之一。

地球观测基础模型（如 AlphaEarth、Tessera）把每个 10 米像素压成一个稠密向量，其中单个维度往往混合多种地表概念。稀疏自编码器把这种向量展开到过完备字典上，只让少数原子激活，从而得到近似单义的稀疏特征。在匹配稀疏度下，三种稀疏自编码器变体的重建都优于主成分分析、独立成分分析、非负矩阵分解和原始维度；但一个解码器冻结为随机字典的对照同样表现出特征更专一、空间尺度更细，说明这两点来自稀疏性本身，只有学习到的字典才把 AlphaEarth 的未解释方差降到八分之一。

企业要检查大模型回复是否违反内部政策，此前主要靠微调检测器或让另一个大模型逐条评判，训练和推理开销都不小。新做法把违规判定改写成激活空间里的分布外检测：只用政策文本和少量示例估计一个白化变换，把合规回复的隐状态标准化，再用其欧氏范数对照校准阈值。在 DynaBench 测试集上，以 Qwen2.5-7B-Instruct 为骨干时 F1 达到 86.0%，高于表中所列微调检测器与 LLM-as-a-judge 基线。

企业要检查大模型回复是否违反内部政策，此前主要靠微调检测器或让另一个大模型逐条评判，训练和推理开销都不小。新做法把违规判定改写成激活空间里的分布外检测：只用政策文本和少量示例估计一个白化变换，把合规回复的隐状态标准化，再用其欧氏范数对照校准阈值。在 DynaBench 测试集上，以 Qwen2.5-7B-Instruct 为骨干时 F1 达到 86.0%，高于表中所列微调检测器与 LLM-as-a-judge 基线。

在严格配对的漏洞—补丁C/C++函数上，白化后的CodeBERT第三层嵌入配合最近邻距离，把陌生样本与熟悉样本分开，平均OOD AUROC达0.739，并显示跨项目迁移时补丁误报率最高达0.507。

在严格配对的漏洞—补丁C/C++函数上，白化后的CodeBERT第三层嵌入配合最近邻距离，把陌生样本与熟悉样本分开，平均OOD AUROC达0.739，并显示跨项目迁移时补丁误报率最高达0.507。

大模型智能体用激活探针在运行时拦截提示注入、越狱和不安全请求，做法是读取模型自身的隐藏状态。一种低成本做法是在用户回合后追加一句分类指令，让模型把请求表示成类别，从而放大探针需要区分的信号。在13个安全基准、三个开源模型家族上按留一数据集评估，分类式后缀在单点探针上稳定优于不加后缀，分布外检测最多提升约4个AUC点，且增益来自分类格式而非具体判据。

大模型智能体用激活探针在运行时拦截提示注入、越狱和不安全请求，做法是读取模型自身的隐藏状态。一种低成本做法是在用户回合后追加一句分类指令，让模型把请求表示成类别，从而放大探针需要区分的信号。在13个安全基准、三个开源模型家族上按留一数据集评估，分类式后缀在单点探针上稳定优于不加后缀，分布外检测最多提升约4个AUC点，且增益来自分类格式而非具体判据。

该研究在运动想象脑机接口中采用留一类别的分布外检测设置，先在某些类别上训练模型，再观察未见过的新运动类别能否通过不确定性升高被识别；结果显示，由于脑电信号固有的高变异性，许多受试者对熟悉类别的预测不确定性反而高于分布外类别，导致在其他机器学习领域表现良好的多种分布外检测方法在此失效，但分布外检测性能与在任务上的表现相关，深度集成模型和MC-Dropout模型在任务表现高的模型与受试者上可取得在任务AUROC大于0.9、分布外检测能力最高约0.7，说明当任务表现足够高时拒绝陌生认知状态是可行的。

该研究在运动想象脑机接口中采用留一类别的分布外检测设置，先在某些类别上训练模型，再观察未见过的新运动类别能否通过不确定性升高被识别；结果显示，由于脑电信号固有的高变异性，许多受试者对熟悉类别的预测不确定性反而高于分布外类别，导致在其他机器学习领域表现良好的多种分布外检测方法在此失效，但分布外检测性能与在任务上的表现相关，深度集成模型和MC-Dropout模型在任务表现高的模型与受试者上可取得在任务AUROC大于0.9、分布外检测能力最高约0.7，说明当任务表现足够高时拒绝陌生认知状态是可行的。