标签
本文提出RUPA，一个框架，将LLM智能体的执行建模为依赖图以传播不确定性，改进长轨迹中的故障检测和置信度估计。
本文提出了结构保持认知神经网络（S-PENNs），这是一个针对具有硬架构约束的科学机器学习模型进行不确定性量化的框架，并实例化于GENERIC动力学，以确保热力学一致的轨迹输出和经过校准的预测区间，同时降低计算成本。
This paper proposes a scalable local Sinkhorn divergence framework for training stochastic neural networks to reconstruct multidimensional random fields, with theoretical generalization error bounds and numerical demonstrations for uncertainty quantification.
本文提出了 A-CRC-QA，一种用于选择性问答的事后校准框架，通过渐近风险校准控制已接受答案中的错误率，并在 CoQA 和 MedMCQA 上展示了更好的可靠性与保留率之间的权衡。
本文研究单轮不确定性量化方法是否能迁移到交互式LLM智能体轨迹中，在五个LLM和四个工具使用数据集上评估了白盒、黑盒和反思型评分器。结果表明迁移效果参差不齐，黑盒自洽性通常最强，并建议在轨迹层面重新验证UQ方法。
介绍了检索校正共形预测（RCCP），一种用于时间序列预测区间的检索增强校准方法，它选择相似的过去残差并应用标量共形校正，以低开销实现目标覆盖率。
该论文将经典统计估计器改编到深度学习中，用于将认知不确定性溯源至偶然不确定性和数据稀缺来源，并利用近似费雪信息矩阵实现可扩展性。
KReF 提出了一种用于长期时间序列预测的免训练检索框架，该框架从相似的历史回看-未来对中构建经验预测分布，在多个基准上取得了优异的 CRPS 表现。
The paper introduces DUD (Decoupled Update Dynamics), a framework that separates Feed-Forward Network and Attention contributions via causal interventions to improve uncertainty quantification and calibration in large language models, outperforming state-of-the-art baselines.
本文提出加权保形方法，用于变点定位与根因分析，通过降低可能受污染数据的权重，利用不确定性信号与元学习，在污染观测下缩减置信集大小。
MetaKoopman提出了一种贝叶斯元学习框架，通过Koopman算子利用线性潜在表示对非线性动力学进行建模，支持闭式更新和不确定性量化。该框架在恶劣冬季条件下的自动驾驶卡车-拖车系统上得到验证，在预测准确性和鲁棒性方面优于先前方法。
提出了一种新颖的D-vine copula估计框架，该框架利用基于梯度的最大似然估计和束搜索以获得更好的全局拟合，并给出了一种通过共形预测进行不确定性量化的局部异常检测方法。
本文提出了DiffDiff，一种用于概率时间序列预测的扩散框架，它将可预测性不对称性嵌入到扩散轨迹中，在四个预测跨度的七个基准测试上优于六个扩散基线。
提出了 Verbalized Particle Posterior (VPP)，将言语化学习视为贝叶斯推断，通过维护一组自然语言假设作为粒子，使用 Metropolis-Hastings 或 Sequential Monte Carlo 更新，并在基准测试上优于单假设 VML。
本文介绍了Neural Atom Prevalence（NAP），一种用于结构化节点级模型选择的贝叶斯框架，该框架在神经网络中实现了高稀疏性、高准确性和不确定性量化。
ConfidenceBench是一个新的基准测试，使用Brier分数评估大型语言模型中的口头置信度估计，揭示了准确性和校准之间的分歧，即使是高精度的模型也可能严重校准不良。
本文针对AI驱动碰撞仿真替代模型中的不确定性量化问题，对蒙特卡洛Dropout与深度集成方法进行了对比研究，采用开源保险杠横梁作为基准测试。
本文提出逻辑图不确定性（LGU）框架，该框架对答案之间的蕴含关系与不相容性进行建模，以改进大语言模型的不确定性估计。在多个基准测试中，LGU相较语义熵基线方法，AUROC最高提升7.1%，AUARC最高提升3.5%。
本文提出了一种随机基本图建模的半参数框架，该框架结合了物理约束函数形式与神经网络结构，以捕捉复杂的交通流模式和不确定性，并在真实世界数据集上展示了优越性能。
本文研究了当温度缩放——一种依赖独热标签的常见事后校准方法——应用于反映真实人类分歧的软标签分布训练模型时所产生的校准差距。跨视觉和语言领域的实验表明，基于硬标签校准的温度缩放始终逊于直接软标签校准，且在语言任务中差距更大，凸显了在安全关键部署中的风险。