问题一：为什么Out-of-Domain (OOD) 检测对意图识别系统很重要？
为什么Out-of-Domain (OOD) 检测对意图识别系统很重要？
参考回答：
Out-of-Domain (OOD) 检测对意图识别系统很重要，因为它可以使系统不仅能够正确分类出已知In-Domain (ID) 的意图，还能检测出未知的OOD意图。这有助于提升系统的鲁棒性和用户体验。
关于本问题的更多回答可点击原文查看：
https://developer.aliyun.com/ask/655734
问题二：在OOD检测中，生成伪OOD样本的主要技术挑战是什么？
在OOD检测中，生成伪OOD样本的主要技术挑战是什么？
参考回答：
在OOD检测中，生成伪OOD样本的主要技术挑战是缺乏足够的OOD样本。在训练阶段从测试分布采样并标注OOD样本通常是非常困难的。
关于本问题的更多回答可点击原文查看：
https://developer.aliyun.com/ask/655735
问题三：主流生成伪OOD样本的方法有哪些？
主流生成伪OOD样本的方法有哪些？
参考回答：
主流生成伪OOD样本的方法包括Phrase Distortion（对ID样本中的短语做选择性的扰动和替换）、Feature mixup（通过对ID样本的特征做混合生成OOD特征样本）和Latent generation（从ID样本的低密度空间采样OOD样本）。
关于本问题的更多回答可点击原文查看：
https://developer.aliyun.com/ask/655736
问题四：为什么使用one-hot硬标签的伪OOD样本可能导致训练效果下降？
为什么使用one-hot硬标签的伪OOD样本可能导致训练效果下降？
参考回答：
使用one-hot硬标签的伪OOD样本可能导致训练效果下降，因为这样的标签设定可能导致伪OOD样本与ID样本有交叉，而实际上“难”的OOD样本（即与ID样本分布最接近的OOD样本）可能含有已知ID意图。
关于本问题的更多回答可点击原文查看：
https://developer.aliyun.com/ask/655737
问题五：什么是软标签(soft labels)，它们如何用于改进伪OOD样本的生成？
什么是软标签(soft labels)，它们如何用于改进伪OOD样本的生成？
参考回答：
软标签是指赋予所有的意图类别都是非零概率的标签。它们用于改进伪OOD样本的生成，因为软标签能够更准确地表示伪OOD样本与ID样本之间的关系，从而帮助模型更好地学习如何区分ID和OOD意图。
关于本问题的更多回答可点击原文查看：
