概念分布外 / Out-of-Distribution / 分布偏移
OOD
测试数据分布与训练数据分布存在显著差异的情形。深度强化学习策略面对OOD输入时外推能力有限，容易输出高置信度错误预测，是衡量导航策略安全性的关键维度。
时间轴 (近 90 天)
10月20日
深度强化学习策略在分布内表现良好，但面对 OOD 输入时神经网络外推能力有限，容易输出高置信度却错误的预测，进而导致危险决策。
待验证50%
10月19日
OOD样本可能落在覆盖范围之外，从而表现出高不确定性。
待验证50%
10月19日
神经扩展框架将OOD样本解释为落在训练样本射线覆盖范围之外的输入，因此模型对其预测缺乏稳定性，可能表现出高不确定性或随机预测。
待验证50%
9月11日
线性探针在训练分布上表现出色，但面对分布外（OOD）样本时性能往往急剧下降
待验证50%