在机器学习模型的安全部署中，OOD（Out-of-Distribution）检测至关重要，而基于原型的学习方法是实现OOD检测的主流策略之一。现有的基于原型的学习方法通常依赖于固定数量的原型，这一静态假设无法适应不同类别之间固有的复杂性差异。目前，缺乏一种能够根据数据复杂性自适应调整原型数量的机制。受生物学中细胞出生与死亡过程的启发，提出了一种名为PID（原型出生与死亡）的方法，通过该方法可以根据...