異常検知の性能評価において、データセット内のクラスを分割して行う評価プロトコルが広く利用されています。このアプローチは、完全に未知の異常データに対する検知能力を測定する代用手段として機能してきました。しかし本研究は、この評価方法に潜在的な問題が存在することを明らかにしています。 具体的には、保留されたテスト用の異常クラスが、表現空間上で正常データの混合分布と重なる場合、評価プロトコルが不適切になる可能性があることを示しています。このような状況では、異常度スコアが偶然のレベルまで低下したり、逆転したりする可能性があり、さらに問題なのは、望ましいスコアの方向（高いほど異常か低いほど異常か）が未知の異常クラスに依存するという点です。 研究チームは、訓練を必要としない診断方法である「近傍クラスリーケージ」を導入し、この手法がFashion-MNIST、CIFAR-10、Imagenette、およびピクセル空間とVAE潜在空間の両方でスコア方向の不安定性を予測できることを実証しました。これらの発見は、クラス分割を用いた異常検知ベンチマークを、異常検知能力の絶対的な証拠ではなく、幾何学的特性に依存するストレステストとして扱うべきであることを示唆しています。