qq_33221657的博客

介绍we propose an OODresistant Prototypical Network to tackle this zero-shot OOD detection and few-shot ID classification task.设计一种OOD-限制的原型网络去解决0样本OOD检测和少样本ID数据分类任务。相关知识OOD检测阐述了OOD检测的俩种思路，1.将OODtask定义为一个类目的分类问题，后使用SVM或者深度模型去解决 2提出基于auto-encoder方法解决。也有人

《Prototypical Networks for Few-shot Learning》来源：NIPS 2017原文链接：https://arxiv.org/abs/1703.05175在EMNLP 2018的论文《FewRel: A Large-Scale Supervised Few-Shot Relation Classification Dataset with State-of-the-Art Evaluation》中，作者提出了对于关系抽取任务的Few-Shot标注数据集，并且尝试了的几

LEARNING TO BALANCE: BAYESIAN META-LEARNING FOR IMBALANCED AND OUT-OF-DISTRIBUTION TASKS论文解读背景知识meta-learning智能的一个关键方面是多功能性——做许多不同事情的能力。当前的AI系统可以做到精通于某一项技能，但是，如果我们要求AI系统执行各种看似简单的问题（用同一个模型去解决不同问题），它将会变得十分困难。相反，人类可以明智地利用以往经验并采取行动以适应各种新的情况。因此我们希望 agent 能够像

A BASELINE FOR DETECTING MISCLASSIFIED AND OUT-OF-DISTRIBUTION EXAMPLES IN NEURAL NETWORKS论文解读INSIGHT基于深度模型的 OOD Detection 的第一篇工作，简写为SMOOD(SoftMax OOD)：该篇工作提出了一个基于深度模型的 OOD Detection baseline，后续的很多工作都是由此展开。主要的 insight 是：1.相比于错误分类的样本和 OOD 样本，分类正确的样本会得到更大