メトリック学習と適応境界によるドメイン外検出

会話エージェントは通常、閉世界環境向けに設計されています。しかし、ユーザーの行動は予測不可能な場合があります。開世界環境に基づくと、訓練データとテストデータが異なる分布からサンプリングされることがよくあります。この場合、異なる分布からのデータを外領域（Out-of-Domain: OOD）データと呼びます。堅牢な会話エージェントは、これらのOOD発話を適切に対応する必要があります。したがって、堅牢なOOD検出の重要性が強調されています。ただし、OODデータの収集は困難な課題です。私たちは、公開されているデータセットにおいて現行の最先端アルゴリズムを大幅に上回るOOD検出アルゴリズムを設計しました。このアルゴリズムは、計量学習と適応的な決定境界を組み合わせた単純かつ効率的なアプローチに基づいています。さらに、他のアルゴリズムと比較して、クラス数が少ないシナリオにおいて提案されたアルゴリズムはOOD性能を大幅に向上させつつ、内領域（In-Domain: IND）クラスの精度も維持することが確認されました。