标签
本文以心理学文献中的人类言语不确定性标记为基准对大模型进行评测，并提出 VOCAL——一种基于优化的算法，可直接从大模型的输出中学习最优的标记-不确定性映射，揭示了大模型与人类在语言表达置信度方面存在的系统性差异。
这篇文章将一种零 GPU、纯 CPU 的字符串归一化熵指标（Spanda）与语义熵进行了对比基准测试，覆盖了从 1.5B 到 120B 的本地模型与前沿模型。结果发现，7B 到 27B 的模型使用廉价的精确匹配熵即可获得良好效果，而 120B 的模型则会塌缩为完全相同的自信幻觉——这类幻觉连 NLI（自然语言推理）模型也无法识别。
一篇新论文提出了 CAGE 框架，将生成模型、对抗判别与共形预测相结合，用于为时间序列集成预测进行加权，在牛奶采集和猴痘数据集上表现出对离群值和噪声更强的鲁棒性。
本文提出 EDAR，一个由熵驱动的自适应路由框架，能够在推理时动态决定：是用检索增强生成（RAG）来回答查询，还是将其升级为完整的长上下文处理。在 LongBench v2 和 Infinity-Bench 上，EDAR 在仅升级 18.2% 查询的情况下，保住了纯长上下文基线 97.4% 的准确率，同时将 token 成本降低了 70.7%。
本文提出一种配对预测协议，用于衡量科学解释对实验预测的额外价值，并在 Tox21 与 OpenML 基准上测试；结论是自然解释的预测信用在测试分辨率下仍未得到确认，而 DeepSeek V4 系列模型的解释卡可降低部分次级漂移。
文章解释了如何通过使用概率分布和校准来量化不确定性，而不是依赖不可靠的置信分数，以解决大型语言模型中的幻觉问题。
本文推导了在硬预算下重复评估中诚实不确定性的精确理论界限，并将其应用于语言模型和智能体基准测试，展示了区间宽度和均方误差(MSE)的实际改进。
本文介绍了TAM-Chain，一种采用吸收马尔可夫链和香农熵进行不确定性量化的多尺度甲状腺细胞学分类方法，旨在抑制假阴性并适应域偏移。
本文提出了Slicing-Graphing-Alignment (SGA) 方法，用于量化时间序列基础模型中多步预测的不确定性，展示了优越的性能并揭示了一个经验缩放规律。
本文提出一种用于贝叶斯神经网络的全协方差平滑技术，通过在非线性激活中传播相关性以实现高效的在线适应，并在分类和控制等任务中得到验证。
本文提出了一种针对保形椭球体的尾部感知几何学习框架，该框架将尾部敏感性与覆盖保证解耦，从而改进了多变量设置下的不确定性量化。
本文结合迁移学习与保形分位数回归，以提高在孟加拉国因限电导致的数据稀缺条件下的太阳能光伏预测精度和不确定性量化，展示了与基线方法相比的显著性能提升。
本文研究了计算机辅助工程中神经代理模型的不确定性量化方法，比较高斯过程、蒙特卡洛Dropout和深度集成在工业数据集上的表现，以评估它们在各种工程背景下的性能。
本文开发了一种用于语言模型语义更新的随机词汇演算框架，定义了语言推导的概率支持有意义的序列表示状态的条件。实证实验验证了该框架在校准条件下的稳定性和覆盖性。
本文介绍了压缩活跃子空间（CAS），一种通过压缩参数空间来实现大型神经网络中可扩展贝叶斯推断的方法，同时保持预测性能。
本文介绍了pFedHGP，一种个性化的联邦学习方法，使用层级高斯过程对异构分布式系统进行概率建模，同时通过联邦变分推断保护隐私。
本文提出了一种用于图神经网络的变分贝叶斯最后层方法，以在分布偏移下进行在线节点分类，与基线相比，在准确性和不确定性校准方面表现优异。
本文提出用于标签偏移下保形预测的标签偏移调整贝叶斯分数，在分子性质预测中展示了更短的预测区间同时保持覆盖率。
本文介绍了物理信息一致预测 (PI-CP)，该框架将PDE残差嵌入到一致预测中，为傅里叶神经算子 (FNO) 等神经算子提供无分布、空间自适应的不确定性量化。
该论文提出了一种代理模型方法，用于高效估计信息物理系统在不确定性下的不一致响应面，从而支持敏感性分析和一致性修复的可扩展性。