Чрезмерная уверенность в обнаружении выхода за пределы распределения Известно, что модели машинного обучения хорошо обобщаются, когда все данные тестирования и данные обучения взяты из одного и того же распределения. Однако более реалистичным сценарием является то, что во время обучения в модель машинного обучения могут быть отправлены неполные знания о настоящем мире, а также нерелевантные образцы из неизвестных классов или распределений[1]. Исследования показывают, что модель ML может..