排名与校准

排名器复制锚点链接

排名器对参考库中的每个模型计算两组分数：频率排名 $f$ 和位置/顺序判别 $q$。每组分数先在候选之间标准化，再各取一半相加：

$$s = 0.5\, z(f) + 0.5\, z(q), \qquad f = 0.5\, z_{\text{LDA}} + 0.25\, z_{\text{kNN}} + 0.25\, z_{\text{centroid}}$$

频率排名 $f$ 由三项分数组成：

• LDA：对前 128 个整数的特征做线性判别投影，多条回答取平均。
• 近邻：取与该模型参考回答最近的 7 个平方距离的平均值，多条回答取中位数。
• 去干扰中心：提示环境会让同一模型的分布整体偏移。建库时，SVD 从各环境的均值偏移中估计至多 2 维的干扰子空间；评分时先投影掉该子空间，再计算与各模型中心的余弦相似度。位置分段特征还会与各环境下的模型模板比较。

位置/顺序判别 $q$ 是收缩系数为 0.5 的 LDA，使用 4 块共 751 维特征：

每块特征分别标准化并单位化，再按权重拼接。每条回答的判别值先在候选之间标准化，多条回答再取平均。

排名分数 $s$ 决定候选顺序。两组分数的权重和收缩系数由参考库按环境留一交叉验证选定，固定评估集不参与选择。

置信度校准复制锚点链接

置信度只在三条回答都有效、且 data/shared_detector.bin 中的校准与检测器匹配时计算。它是参考库内的温度 softmax：

$$p_k = \frac{\exp(\tau s_k)}{\sum_j \exp(\tau s_j)}$$

fpd retrain 离线拟合温度 $\tau$：先逐一留出 12 种环境，再两两留出，共重新拟合 78 次排名器，用留出结果估计 $\tau$。嵌套留出的二元 NLL 必须低于常数基线，且 AUC 必须大于 0.75；否则，重训不替换现有检测器。$p_k$ 只在参考库模型之间分配，所有候选合计 100%，不包括库外模型，不代表“确实是该模型”的概率。校准与检测器不匹配时，只给出排名，没有置信度。

参考库与检测器复制锚点链接

如果参考库与检测器不匹配（例如用 --bank 指定自定义库），检测报错停止，需要先运行 fpd retrain --data-dir DIR。数据文件的格式与变更记录见数据文件。