热点事件持续更新
研究团队提出用于OOD检测的反相干正则化绝对缩放方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv发布的一项机器学习研究提出面向分布外（OOD）检测的反相干正则化绝对缩放方法，旨在解决现有算法SCALE在ViT等网络架构上因负激活而退化的问题。该方法通过绝对值激活来计算缩放比率，并借助反相干正则化抑制符号不匹配的最大logit贡献。在完全无需训练数据或标签的前提下，该方法在OpenOOD v1.5协议下的CIFAR-10和ImageNet基准测试中，AUROC与FPR@95指标达到或优于依赖训练数据的对比方法。
AI 根据报道生成 · 3 小时前更新
最新进展10月26日 12:00
研究团队提出反相干正则化绝对缩放方法，无需训练数据即可改善ViT等网络在OOD检测中的性能。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 机器学习面向 OOD 检测的反相干正则化绝对缩放方法
新提出的反相干正则化绝对缩放方法解决了 OOD 检测算法 SCALE 在 ViT 等网络上因负激活退化的问题。该方法通过绝对值激活计算缩放比率，并利用反相干正则化抑制符号不匹配的最大 logit 贡献。在无需训练数据或标签下，其在 OpenOOD v1.5 协议的 CIFAR-10 和 ImageNet 上，AUROC 与 FPR@95 达到或优于依赖训练数据的方法。
本事件热度走势
当前热度 9·可比范围峰值 10（10月26日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。