参考：https://arxiv.org/pdf/2306.15880.pdf
对这几个概念一直有点模糊和混淆，在这片综述中有针对性的解释。
open-set: 训练只用到已知类数据。希望测试时可以识别出已知类类和未知类（不继续做分类，已知类以外的类别通称为未知类）
zero-shot learning:训练只用到已知类数据。测试时只识别未知类，并对未知类进行区分
open-vocabulary：训练只用到已知类数据。测试时同时识别已知类和未知类，并对未知类进行区分
OOD：训练的数据分布与测试的数据分布不一致
open-world：感觉跟增量学习相关