可靠性退化

深度學習的從業人員通常會假設測試資料和訓練資料共用相同的分佈。遺憾的是，此假設不一定會實際保留。世界不斷演進，而未來產生的資料通常會out-of-distribution（良好）。因此，隨著內容變更，分發中假設變得較不切實際，我們的預測和不確定性的可靠性 (Fort、Hu 和 Lakshminarayanan 2019， Nalisnick et al. 2019， Ovadia et al. 2019)。事實上，預測效能可能會降低，而可信度指標也會提高，這會導致無聲失敗。