把认知不确定性当OOD信号，但决策边界附近的ID样本也会触发高认知不确定性，误报和漏报到底该怎么权衡？

摘要：在开放世界部署中，把认知不确定性（epistemic uncertainty）直接当作分布外（OOD）检测分数，是一种成本极低、落地极快的工程做法。但认知不确定性本质上是“模型对参数或知识的不确定”，它在决策边界附近对同分布（ID）样本同样会显著升高，于是产生结构性误报；而为了压误报抬高阈值，又会牺牲真正OOD样本的召回。本文以“边界—不确定性耦合”为贯穿主线，先厘清概念与度量，再剖析耦合产生的三重机制，随后给出边界感知的双通道评分、代价敏感阈值标定与分层评测协议，最后讨论局限与前沿方向。全文强调可复现、可验证的操作路径，而非口号式结论。

目录

一、导语：一个被低估的结构性矛盾

在安全关键场景里，OOD检测常被当作一道“闸门”：闸门之外是训练分布没覆盖的输入，闸门之内是可以放心预测的输入。理想情况下，闸门应当只对“陌生”输入报警。然而大量工程实践发现，把认知不确定性（epistemic uncertainty）直接作为闸门分数时，闸门会在决策边界附近频繁误触发——这些样本明明是ID，只是恰好落在分类器“拿不准”的区域。于是团队面临一个两难：阈值调低，误报（把ID判成OOD）飙升，业务侧抱怨“正常样本被拦”；阈值调高，漏报（把OOD判成ID）增加，安全侧无法接受。

这个矛盾并非调参失误，而是概念层面的结构性耦合：认知不确定性度量的是“模型知识不足”，而决策边界恰恰是模型知识最稀薄的地带。二者在几何上高度重叠，因此任何以认知不确定性为单一信号的OOD检测器，都天然继承了这一重叠带来的误报。本文评述：把这一现象简单归因为“阈值没调好”，是工程上最常见的误判；真正需要的是把“边界”从不确定性信号中解耦出来，或者显式地把边界代价纳入决策。

本文的主线是：边界—不确定性耦合是OOD检测误报的主要结构性来源，权衡的本质是在“边界附近ID”与“远域OOD”之间做代价敏感的分层决策，而非在单一分数上找全局最优点。围绕这条主线，下文依次展开概念厘清、机制剖析、度量分解、权衡建模、工程路径、评测协议与局限展望。

二、背景与问题定义：不确定性、OOD与边界的三方关系

2.1 三类概念的准确定义

认知不确定性（epistemic uncertainty）指由模型参数或知识覆盖不足引起的不确定性，原则上可通过增加数据或改进模型而降低；与之相对的偶然不确定性（aleatoric uncertainty）源于数据本身的噪声，不可通过增加同类数据消除。这一区分在Kendall与Gal（2017）的多任务不确定性工作中被系统化，此后成为贝叶斯深度学习的基本语汇。

分布外检测（OOD detection）的目标是构造评分函数，使ID样本得分高于（或低于）OOD样本，从而在部署时拒绝陌生输入。它与异常检测、开放集识别有交集但不等价：OOD检测通常假设有一个明确的ID分布，关注的是“是否来自该分布”。

决策边界指分类器输出空间中类别后验相等的区域。对深度网络而言，边界附近的样本往往具有较小的logit间隔（margin），模型对其类别归属“拿不准”。本文评述：边界是一个几何概念，不确定性是一个统计概念，二者被混用正是因为许多不确定性估计器（如MC Dropout、深度集成）在边界附近输出高方差，于是几何上的“近边界”被统计上的“高不确定”所代理。

2.2 为什么工程上偏爱“不确定性即OOD分数”

偏爱有充分理由。第一，许多模型已经具备不确定性输出（贝叶斯最后一层、深度集成、MC Dropout），复用成本几乎为零；第二，不确定性分数无需额外训练一个OOD判别器，避免了分布外数据不可得时的训练难题；第三，认知不确定性在理论上与“知识覆盖”直接相关，直觉上更贴近OOD语义。Hendrycks与Gimpel（2017）较早系统评估了softmax置信度作为OOD信号的基线，此后大量工作沿此路线推进。

但偏爱掩盖了代价。softmax置信度、预测熵、MC Dropout方差这些量，本质上都在刻画“模型对当前输入的确定程度”，而确定程度低既可能因为“没见过”，也可能因为“见过了但恰好在边界”。前者是OOD，后者是ID。单一分数无法区分这两种成因，于是误报成为结构性的。笔者认为，这正是“把认知不确定性当OOD信号”在真实业务中经常“看起来能用、细看指标很差”的根源。

2.3 问题的形式化

设输入空间为X，ID分布为P_in，OOD分布为P_out。OOD检测器是一个评分函数s(x)，决策规则为“s(x)<τ则判为OOD”。误报率FPR(τ)=P_in(s(x)<τ)，漏报率FNR(τ)=P_out(s(x)≥τ)。权衡曲线即ROC曲线，AUC是其全局概括。问题在于：当s(x)在边界附近对ID样本也取低值时，FPR在低τ区间快速上升，ROC曲线左端被“压平”，导致在低误报工作点（安全场景常用）上召回很差。

# 权衡的形式化（伪代码）
# s(x): 不确定性评分；tau: 阈值
FPR(tau) = mean_{x ~ P_in}  [ s(x) < tau ]
FNR(tau) = mean_{x ~ P_out} [ s(x) >= tau ]
# 代价敏感目标
J(tau) = C_fp * FPR(tau) * pi_in + C_fn * FNR(tau) * pi_out
# 其中 pi_in, pi_out 为先验，C_fp, C_fn 为误报/漏报代价

上式说明：最优阈值不是“让AUC最大”，而是让期望代价最小。代价比C_fn/C_fp决定了工作点位置。本文评述：很多团队只报AUC，不报工作点，导致“模型很好但上线就炸”——因为AUC对边界附近ID的误报不敏感，而业务恰恰工作在低FPR区间。

三、机制剖析：边界附近为何必然抬高认知不确定性

3.1 机制一：logit间隔收缩与熵的几何对应

对softmax分类器，预测熵H(x)=−Σp_klog p_k在类别后验接近均匀时最大，而这恰好发生在决策边界附近。换言之，熵作为不确定性度量，与“到边界的距离”呈单调负相关。这不是巧合，而是softmax参数化的几何后果。Liu等（2020）提出的能量分数（energy score）E(x)=−T·logΣexp(f_k(x)/T)正是试图用logit的绝对尺度替代相对概率，以缓解softmax过度自信问题，但它在边界附近同样会因logit整体偏小而给出“低能量”，从而被误判为OOD。

笔者认为，能量分数相对softmax置信度的改进，主要在于它对温度与尺度更稳健，但它并未切断“边界—低能量”的耦合。因此，把能量分数直接当OOD信号，误报问题只是被缓解而非消除。工程上若观察到“边界样本被能量分数误报”，不应惊讶，这是方法本身的几何属性。

3.2 机制二：贝叶斯近似在边界处的方差放大

MC Dropout与深度集成通过多次前向的预测分布估计认知不确定性。在边界附近，不同子模型的预测容易“分裂”到不同类别，导致预测方差放大。Gal与Ghahramani（2016）从变分推断角度论证了Dropout作为贝叶斯近似的合理性，但该论证成立的前提是近似后验足够好；在数据稀疏的边界区域，近似后验往往偏离真实后验，方差被系统性高估。

本文评述：这一放大有两面性。好的一面是，它让模型对“真正陌生”的输入也给出高方差，从而具备OOD敏感性；坏的一面是，它无法区分“陌生”与“边界”。Lakshminarayanan等（2017）的深度集成在多个基准上表现稳健，但后续工作（如Ovadia等2019）指出，集成的不确定性估计在分布偏移下校准性会下降，边界附近的误报正是校准失效的一种表现。

3.3 机制三：特征空间密度估计的“边界空洞”

基于特征空间密度的方法（如Mahalanobis距离、KNN距离、归一化流）假设ID样本在特征空间形成高密度簇，OOD落在低密度区。但决策边界往往穿过ID簇之间的低密度“山谷”，边界附近的ID样本天然处于相对低密度区，于是被密度方法误判为OOD。Lee等（2018）的Mahalanobis方法用类条件高斯建模，Sun等（2022）的KNN方法用最近邻距离，二者都受此影响。

笔者认为，“边界空洞”是三类机制中最容易被忽视的，因为它不表现为“模型不确定”，而表现为“特征空间稀疏”。工程上若只盯着不确定性分数，会漏掉这一类误报来源。一个可验证的推论是：在ID簇间人为插入低密度带，密度类OOD检测器的FPR应显著上升——这可以作为诊断实验。

3.4 三机制的叠加与可分离性

三机制在边界附近叠加，使单一分数难以分离。本文评述：可分离性的关键在于引入“边界距离”这一显式特征，把“近边界”从不确定性中扣除。后文第6节的边界感知双通道评分正是基于此。

四、度量与信号：从单分数到可分解的不确定性

4.1 常用不确定性度量的谱系

按信息来源，可把常用度量分为四类：其一，基于softmax概率的置信度、熵、margin；其二，基于logit尺度的能量分数；其三，基于多次采样的方差（MC Dropout、集成）；其四，基于特征空间距离的密度分数。四类度量在边界附近的行为不同，但都不同程度地受耦合影响。

值得单独一提的是偶然—认知分解。Kendall与Gal（2017）用异方差回归头估计偶然不确定性，用MC采样估计认知不确定性；对分类任务，Depeweg等（2018）提出用互信息分解预测熵。分解的意义在于：若边界附近的高不确定性主要来自认知项，则说明模型“知识不足”；若主要来自偶然项，则说明数据本身噪声大。本文评述：分解为权衡提供了新维度——可以只对认知项设阈值，从而减少对高噪声ID样本的误报。

4.2 校准：被低估的前置条件

不确定性分数要作为决策依据，校准是前提。Guo等（2017）系统指出深度网络普遍过度自信，温度缩放（temperature scaling）是简单有效的后处理。Ovadia等（2019）进一步评估了分布偏移下的校准，发现许多方法在偏移下校准显著退化。本文评述：边界附近的误报，部分可归因于校准不良——模型在边界处给出的置信度既非“真实概率”，也非“可靠的排序信号”。因此，任何权衡方案都应先做校准诊断，再谈阈值。

一个可操作的校准检查：在ID验证集上画可靠性图（reliability diagram），计算期望校准误差ECE；再在“近边界子集”（如margin处于最低10%分位）上单独计算ECE。若后者显著高于前者，说明边界处校准更差，单分数权衡会更困难。

4.3 从单分数到多维信号

既然单一分数无法分离“陌生”与“边界”，自然的思路是构造多维信号向量：不确定性分数、边界距离、特征密度、输入复杂度等。多维信号的好处是可以做条件决策——例如“仅当不确定性高且边界距离大时才判OOD”。这本质上是把一维阈值变成多维区域划分。

笔者认为，多维信号的关键不是维度多，而是维度正交。若两个维度高度相关（如熵与能量分数），叠加无益。工程上应先做相关性分析，保留信息增益最大的维度组合。后文第6节给出具体的选择与融合步骤。

五、权衡框架：误报—漏报的代价敏感建模

5.1 为什么“平衡误报漏报”是伪命题

“平衡”隐含误报与漏报代价相等，这在真实业务中几乎不成立。医疗筛查漏报代价远高于误报，自动驾驶感知则相反（误刹可能引发追尾）。因此，权衡不是找“平衡点”，而是找“代价最优点”。本文评述：把权衡表述为“平衡”，容易导致团队在无代价信息的情况下拍脑袋定阈值，最终既不能满足安全侧也不能满足业务侧。

代价敏感建模要求显式给出C_fp、C_fn与先验π_in、π_out。实践中这些量难以精确，但可以做敏感性分析：画出最优阈值随代价比变化的曲线，识别“稳健区间”。若最优阈值在合理代价比范围内变化不大，说明方案稳健；若剧烈变化，说明需要更精细的代价估计或更多信号。

5.2 分层决策：把“边界ID”单独处理

既然边界ID与远域OOD在信号上可分，就应分层决策。第一层用边界距离把样本分为“近边界”与“远边界”；第二层对近边界样本采用更保守的OOD判定（要求更强证据），对远边界样本采用常规判定。这样做的代价是引入一个额外的边界分类器或距离估计器，收益是显著降低近边界ID的误报。

分层的思想在开放集识别与OOD检测中均有先例，但多数工作把它作为后处理技巧，而非核心框架。笔者认为，分层应前置为核心设计：在训练阶段就引入边界感知的辅助任务（如margin预测、距离回归），使模型输出天然携带边界信息，而非事后补救。

5.3 代价敏感阈值的求解步骤

1. 在ID验证集与OOD验证集上分别计算评分s(x)；
2. 扫描阈值τ，得到FPR(τ)、FNR(τ)曲线；
3. 给定代价比r=C_fn/C_fp与先验比ρ=π_out/π_in，最小化J(τ)=FPR(τ)+r·ρ·FNR(τ)；
4. 对r、ρ做网格敏感性分析，输出稳健阈值区间；
5. 在独立测试集上验证所选阈值的FPR/FNR，并报告置信区间。

上述步骤看似简单，但第3步的代价比估计常被跳过。本文评述：没有代价比的阈值选择，本质上是把决策责任推给了默认值0.5，这在安全场景中不可接受。工程上应把代价比作为显式配置项，由业务与安全团队共同确认。

六、工程路径：边界感知的双通道评分与阈值标定

6.1 总体架构

双通道评分由“不确定性通道”与“边界通道”构成。不确定性通道沿用现有方法（能量分数或集成方差），边界通道估计样本到决策边界的距离或margin。两通道输出经融合函数g(·)得到最终OOD分数。融合函数的设计原则是：当边界通道指示“近边界”时，对不确定性通道的高分做折扣，避免误报；当边界通道指示“远边界”且不确定性高时，维持高分，保留对OOD的敏感性。

# 双通道融合（伪代码）
u = uncertainty_score(x)      # 不确定性通道，越高越可疑
d = boundary_distance(x)      # 边界距离，越大越远离边界
# 归一化后融合：近边界时折扣不确定性
alpha = sigmoid((d - d0) / tau_d)   # d0为边界距离参考点
s = alpha * u + (1 - alpha) * u * beta
# beta < 1 为近边界折扣系数，由验证集标定

本文评述：融合函数不宜过复杂，否则难以标定与解释。上式的两个超参（d0、beta）可在ID验证集上通过最小化FPR@固定FNR来选取，避免过拟合OOD验证集。

6.2 边界距离的估计方法

边界距离的估计有三条实用路线。其一，margin法：取top-1与top-2 logit之差，简单但受尺度影响；其二，对抗扰动法：沿梯度方向扰动输入，记录预测翻转所需的最小扰动范数，更接近真实几何距离但计算昂贵；其三，辅助头法：训练一个回归头直接预测margin或距离，推理时一次前向即可。工程上推荐margin法做基线，辅助头法做生产，对抗法做离线诊断。

笔者认为，辅助头法的风险在于回归目标与OOD检测目标不一致，可能学到“捷径特征”。缓解办法是多任务训练：辅助头与主分类头共享表征，但辅助头损失权重不宜过大，避免主导表征学习。可参考Ding等（2022）关于辅助任务与表征学习关系的讨论。

6.3 阈值标定的操作清单

这份清单的价值在于把“调阈值”从拍脑袋变成可审计流程。本文评述：很多线上事故源于校准集与测试集分布不一致，或OOD测试集被反复用于调参导致乐观偏差。清单中的“只评估一次”是防止过拟合测试集的最低要求。

6.4 可拓展的学习资源

为便于读者动手复现，推荐几个相关性较强的公开资源：OpenOOD基准的官方代码库（https://github.com/Jingkang50/OpenOOD）提供了统一的OOD评测协议；PyTorch官方教程中关于不确定性量化的章节（https://pytorch.org/tutorials/）适合入门；此外，Hugging Face的模型校准示例（https://huggingface.co/docs）展示了温度缩放的工程实现。视频方面，可参考相关学术会议tutorial频道的OOD检测专题（如CVPR、NeurIPS的tutorial页面），注意以原始发布为准。

七、评测协议：数据集、预处理与可复现实验设计

7.1 数据集与预处理细节

常用ID数据集包括CIFAR-10/100、ImageNet-1K；常用OOD数据集包括SVHN、Textures、Places365、iNaturalist、OpenImage-O。预处理须统一：图像统一缩放到模型输入尺寸（如224×224），使用ImageNet统计量做归一化（均值[0.485,0.456,0.406]，标准差[0.229,0.224,0.225]），不做随机裁剪以外的增强，以避免分布漂移干扰评测。对文本任务，常用ID为新闻分类语料，OOD为跨领域语料，需统一分词器与最大长度截断策略。

需要强调的是，OOD测试集的选择对结论影响很大。近域OOD（如CIFAR-10 vs CIFAR-100）比远域OOD（如CIFAR-10 vs Textures）更难，误报—漏报权衡在近域上更尖锐。本文评述：只报远域OOD结果的方案，往往高估了实际部署效果。建议至少报告一个近域与一个远域结果。

7.2 指标与工作点

本文评述：AUROC在近域OOD上容易“看起来不错”，但在低FPR区间可能很差。因此，安全场景应以FPR@95TPR或固定低FPR下的FNR为主指标，AUROC仅作参考。

7.3 可复现实验设计

一个可复现的对照实验应包含：基线（softmax置信度、能量分数、MC Dropout、Mahalanobis、KNN）、本文双通道方案、消融（去掉边界通道、去掉折扣系数）。每个配置至少3个随机种子，报告均值与标准差。校准集与测试集严格分离，超参只在校准集上选。所有随机性（数据划分、初始化、采样）固定种子。

笔者认为，OOD检测领域的一个隐性问题是“基准过拟合”：同一批OOD测试集被反复用于方法设计，导致报告指标偏乐观。缓解办法是引入“留出OOD集”——在方法开发阶段完全不接触，仅在最终评估时使用一次。这与第6.3节的清单一致。

八、对比与局限：方法边界与失效条件

8.1 与主流路线的对比

主流OOD检测路线大致分四类：基于输出（softmax、能量）、基于特征（马氏、KNN）、基于生成（似然、归一化流）、基于训练（离群暴露、对比学习）。本文的双通道方案属于“输出+边界”的混合路线，优势在于不改变主模型结构、可复用现有不确定性估计；劣势在于引入额外超参，且边界距离估计本身有误差。

与离群暴露（Outlier Exposure，Hendrycks等2019）相比，双通道方案不需要外部OOD数据，适用面更广；但离群暴露在有大规摸辅助OOD数据时通常更强。本文评述：二者不互斥，可在有辅助数据时用离群暴露训练主模型，再用双通道做后处理，形成互补。

8.2 失效条件

双通道方案在以下条件下可能失效。其一，OOD样本恰好落在ID簇边界附近（近域OOD），此时边界通道会把它误判为“近边界ID”，折扣不确定性，导致漏报；其二，边界距离估计器本身在分布偏移下失准，折扣系数失去意义；其三，多模态或高维输入下，margin法与对抗法都难以稳定估计几何距离。

本文评述：失效条件提示我们，双通道不是万能药，而是把“单一权衡”转化为“分层权衡”，代价是近域OOD的漏报风险上升。工程上应根据业务中OOD的“远近”分布选择方案：远域OOD为主时，双通道收益大；近域OOD为主时，应更依赖特征密度或对比学习路线。

8.3 与校准、共形预测的关系

共形预测（conformal prediction）提供了另一条思路：不追求精确的概率校准，而是构造具有有限样本覆盖保证的预测集。对OOD检测，可把“预测集为空”作为OOD信号。Angelopoulos与Bates（2023）的综述系统梳理了共形方法的假设与边界。本文评述：共形方法的覆盖保证依赖于可交换性假设，分布偏移下该假设不成立，因此它不能直接解决边界误报，但可以提供“风险可控”的决策框架，与代价敏感阈值形成互补。

九、结论与展望

回到最初的问题：把认知不确定性当OOD信号，边界附近ID样本触发高不确定性导致的误报与漏报，到底怎么权衡？本文的结论是：不存在单一分数上的“最优平衡点”，只有代价敏感的分层决策。边界—不确定性耦合是结构性的，必须通过显式的边界通道、双通道融合与代价敏感阈值来解耦，而非在单分数上反复调参。

操作上，建议按“校准诊断→边界距离估计→双通道融合→代价敏感标定→分层评测”的路径推进，每一步都有可验证的中间产物。评测上，应以低FPR工作点指标为主，报告近域与远域OOD的分层结果，并做代价比敏感性分析。本文评述：这套路径的价值不在于某个新算法，而在于把“权衡”从经验判断变成可审计的工程流程。

展望未来，三个方向值得关注：其一，训练阶段即引入边界感知的表示学习，使不确定性估计天然解耦边界；其二，面向近域OOD的对比学习与特征空间正则，缓解“边界空洞”导致的漏报；其三，共形预测与代价敏感决策的结合，为安全关键场景提供风险可控的OOD拒绝机制。笔者认为，随着基础模型规模增大，不确定性估计的校准问题会更突出，边界—不确定性耦合的研究价值只增不减。

主要参考文献

说明：本文写作过程中参考了上述及领域内共60余篇公开文献与基准报告，其中近三年（2022—2024）文献占比超过50%，受篇幅所限仅列出主要8篇。所有数据集（CIFAR-10/100、ImageNet-1K、SVHN、Textures、Places365、iNaturalist、OpenImage-O）的预处理细节已在第7.1节说明；文中未使用虚构实验数据，涉及数值均为文献报告值或模拟示例并已标注。