#不确定性

共 13 条 · 7 天 0 条 · 30 天 1 条

AI决策 1 GoogleDeepMind 1 GPT-5 1 LoRA 1 LTL 1 MoE 1 Qwen3 1 TFT 1

信息流里打上「不确定性」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月18日

论文政策与合规精选12:22

临床AI采用的关键：校准不确定性与主动回避

临床AI要真正用起来，得解决置信度问题。不是简单显示概率，而是要校准不确定性，让医生知道模型什么时候该主动回避，这样才敢信任。

#临床AI #不确定性 #决策支持

HIT Consultant@Sai Krishna Ranjan Gauravarapu, Applied Machine Learning Engineer at AWS原文

9月3日

论文精选73°10:00

UTP-Bench：不确定性旅行规划基准

UTP-Bench用真实数据测试GPT-5等模型，发现它们在时间缓冲、延迟感知和人群敏感规划方面与人类计划差距明显。

#UTP-Bench #GPT-5 #Qwen3 #旅行规划

arXiv cs.AI@Etcharla Revanth Rao 等 6 人原文

8月29日

行业73°00:15

谷歌DeepMind探讨AI系统中的不确定性

谷歌DeepMind专家讲解AI如何通过理解不确定性做出更可靠决策，从天气预测到机器人应用都有涉及。

#GoogleDeepMind #ZoubinGhahramani #不确定性 #贝叶斯思维

官方账号Google DeepMind@GoogleDeepMind原文

8月4日

论文11:58

不确定性不够：VI-MoLE用信息价值路由混合LoRA专家

这论文把“不确定就多算”的LoRA路由换成了信息价值定价，能证明预算花在哪风险降最多，还带回答弃权判断。

#LoRA #VI-MoLE #MoE #路由机制

arXiv cs.LG@Tom Saliencro 等 5 人原文

7月15日

论文09:06

基于学习的概率负荷预测：事后与模型内不确定性

这篇论文教你怎么选负荷预测模型——TFT内部做分位数学习比事后校正靠谱，区间窄5倍，适合做精确调度。

#TFT #负荷预测 #概率预测 #不确定性

arXiv cs.LG@Sarah Al-Shareeda 等 3 人原文

7月14日

论文10:02

从不确定性演示中学习线性时序规范(LTL)

这篇论文解决了现实场景中演示数据不确定的问题，用汉明距离和伪布尔优化改进LTL学习，结果更靠谱，适合做形式化验证的朋友看看。

#LTL #时序规范 #不确定性 #演示学习

arXiv cs.AI@Parastou Fahim 等 3 人原文

7月1日

论文11:35

保留困难区域，再生其余：扩散模型不确定性引导的合成数据增强

搞语义分割的可以试试这个，它只增强模型犯难的区域，在几个自动驾驶数据集上提点挺明显，尤其是稀有类别。

#扩散模型 #Cityscapes #语义分割 #数据增强

arXiv cs.LG@Nikolai Röhrich 等 5 人原文

6月18日

论文10:57

UBP2：基于不确定性平衡的偏好规划提升强化学习样本效率

UBP2通过主动探索和不确定性平衡，有效解决了偏好强化学习中样本效率低的问题。在Meta-World测试中效果显著。

#UBP2 #偏好强化学习 #样本效率 #Meta-World

arXiv cs.LG@Mohamed Nabail 等 4 人原文

6月16日

论文10:27

不确定性可视化：深度学习缺失与冲突证据的空间图

这篇论文把不确定性可视化了，能告诉你模型哪里没学过、哪里证据打架，比光给一个置信度有用多了。

#Uncertainty Activation Map #Evidential Deep Learning #FullGrad #不确定性

arXiv cs.LG@Dong Hyun Jeong 等 6 人原文

6月10日

论文精选13:03

WorldKernel：世界模型是可能世界的耦合核

这篇论文戳破了“数据足够就能预测一切”的常见假设，做因果推断、反事实推理或世界模型研究的开发者会看到理论上的新边界——原来预测器天生缺失跨世界耦合信息，而WorldKernel给出了补全它的数学框架，值得细读。

#因果推断 #反事实推理 #世界模型 #耦合核

arXiv cs.AI@Fabio Rovai原文

5月27日

论文精选10:33

MUSE框架揭示LLM顺从行为：不只是谄媚，还有不确定性驱动

做LLM对齐和安全性研究的团队值得关注——MUSE框架帮你区分模型是‘真谄媚’还是‘没底气’，从而设计更精准的干预策略。

#LLM #顺从行为 #谄媚 #不确定性

arXiv cs.AI@Kevin H. Guo 等 8 人原文

5月26日

论文72°06:36

Google 新论文：LLM 应停止假装确定，诚实表达不确定性

这篇论文点破了 LLM 幻觉的核心矛盾——不是知识不够，而是不知道什么时候该说“不确定”。做 AI 产品、智能体或对话系统的团队，看完会对“诚实比正确更重要”有更深理解，建议直接读原文。

#LLM #幻觉 #不确定性 #元认知

rohanpaul_ai@rohanpaul_ai原文

5月17日

行业21:01

Daniel Eth：AI长期影响不可预测，但绝非温和渐进

AI从业者和关注AGI风险的人值得一看——它戳破了“AI会让一切变好”的简单叙事，提醒我们不确定性才是最大的变量。

#AI风险 #AGI #长期影响 #Daniel Eth

Gary Marcus@GaryMarcus原文