标签
本文对LLM置信度估计的各种黑盒与白盒方法进行了基准测试，包括口头化置信度、语言不确定性、推理长度、P(Answer)、P(True)和自我一致性，比较它们在主动学习和安全分类等任务中的有效性。
本文提出BattVAE-GP，一种混合物理-概率框架，结合变分自编码器与稀疏多任务高斯过程，生成并插值具有不确定性估计的长时程电池退化轨迹，为锂离子电池健康预测提供高效代理建模。
介绍了PhiCalNet，一种用于单次条纹投影轮廓测量的神经网络，通过输出包裹相位并使用固定校准层来避免形状先验捷径，在合成基准测试中实现了比基线UNet低3.3倍的误差。
本文提出了一种轻量级方法，通过将连续目标离散化为区间，将基于回归的隐式神经表示训练重新表述为分类任务，从而在科学数据压缩中实现灵活的分布建模，用于误差感知的不确定性估计。
提出学习预测性模糊集（LPAS）用于分布鲁棒优化，其中深度上下文模型输出名义情景分布、状态依赖的Wasserstein半径和基础度量，并通过决策损失和校准进行训练。应用于S&P 500数据的投资组合优化，该方法实现了更高的回报和夏普比率，同时相比于固定半径基线减少了保守性。
本文对思考模式下的视觉语言模型的不确定性进行了实证分析，表明思考链熵比传统的答案令牌分布（在这种模型中会失效）是更可靠的幻觉检测信号。
本文介绍了GraphEVAL，一个基于图的框架用于量化LLM推理中的不确定性，并提出了一种新的指标——图推理一致性得分（GRCS），该指标捕捉语义-结构共识并检测自信幻觉。作者还提出了图自一致性（GSC），一种优先考虑推理忠实度而非名义准确性的解码策略。
本文研究了在选择性预测中哪些信号最能预测文本转SQL的正确性。研究发现，来自LLM判断器的基于验证的信号优于黑盒统计信号（如自一致性），并且双提供者集成模型实现了0.82的AUROC，同时具有良好校准的概率。
本文揭示了标准边际共形预测在不平衡虚拟筛选数据集中无法覆盖少数类，并展示了类条件（Mondrian）共形预测如何恢复每类覆盖。
本文介绍了赫克曼校正的认知不确定性，以解决机器学习中不可观测变量的选择问题，展示了当选择依赖于与结果相关的不可观测变量时，重要性加权会失效。该方法在受控实验和真实数据上恢复了校准性能，优于标准的不确定性量化基线。
SpanUQ 引入了一种轻量级探针，用于大语言模型中的跨度级不确定性量化，采用 DETR 风格的解码器和 Beta 分布混合，实现了优于基于采样的方法的错误定位和更快的推理速度。
本文介绍Agentic SABRE，一种面向自适应勒索软件检测的不确定性感知神经符号多智能体框架，它融合了语义和行为证据，结合蒙特卡洛Dropout与可解释的风险-不确定性分流，展示了更高的鲁棒性和可解释性。
介绍TRIE，这是一个针对随机PDE代理模型的评估框架，用于测试不变测度的复现、可信的预测不确定性及效率。在两种SPDE上对逐点训练的神经代理模型、近似不确定性方法和生成模型进行基准测试，发现生成模型最为一致。
Patch-PODiff-ViT 引入了一种结构化潜在扩散框架，利用分块本征正交分解 (POD) 实现超分辨率和不确定性量化，通过固定的线性正交基和预测方差的解析传播实现高效扩散。
本文提出了一种用于分位数回归的稀疏高斯过程框架，该框架采用拉普拉斯近似进行后验推断，并利用基于方差的机制实现自适应诱导输入放置和数据获取。
本文提出了一种可迁移的学习时间先验方法，用于疫情传播重建。在真实安第斯病毒基准测试中展示了改进的性能，并强调了量化传播标签中不确定性的重要性。
本文介绍了NHANES加速度测量心血管代谢基准，这是一个用于从加速度测量数据预测心血管代谢风险的人群代表性表格数据集，并评估了岭回归、XGBoost和TabPFN v2，结合使用保形预测进行不确定性量化。
本文刻画了保形风险控制何时能为结构化LLM输出提供认证，证明了不可能性界限，并分析了不同界限下的认证层次。在六个开放权重模型上的实证验证表明，困难配置在低风险水平下无法被认证，但在放宽目标下可实现实际认证。
介绍了一种有序分类的共形预测方法，该方法使用排序概率分数作为非一致性函数，生成以中位数为中心的连续预测集，并在预测集宽度与有序错误覆盖之间实现了有利平衡。
本文通过贝叶斯控制器将编码代理的编排形式化为成本敏感的序贯假设检验，该控制器动态决定何时收集证据、细化、验证或停止。在六个生成器和九个基准测试上的实验表明，当验证成本高昂且批评者信息丰富但不完美时，贝叶斯控制最为有价值。