#不确定性量化

共 3 篇相关文章

U-Space 提出一种无需正确性标签、无需重复采样与额外训练的 Token 级不确定性量化方法，通过低维子空间投影实现可解释的置信度估计，在推理基准的长度受控评测中优于熵方法与监督式基线，但仍依赖人工语义锚点且尚未验证开放生成场景。

一项关于深度序列模型与时间序列保形预测的系统性研究，通过条件分位数回归、分位数函数估计和局部化保形预测三条路径，突破可交换性假设限制，为可靠的不确定性量化提供理论保证与实验验证。

深入解析AISTATS 2024论文MixupMP，揭示深度集成在不确定性量化中的根本缺陷，并介绍如何利用Mixup数据增强与Martingale后验框架构建更可靠的预测分布，提升模型校准与分布外检测能力。