不确定性量化近期进展 不确定性量化是人工智能领域的一个重要研究方向，旨在评估和表达模型预测的不确定性。近年来，这一领域的研究取得了显著进展，特别是在深度学习领域。 XX 近期进展 iPANN和fPANN：区间与模糊物理增强神经网络用于不确定性本构建模：该研究提出了一种基于区间和模糊物理增强的神经网络，用于不确定性建模，旨在提高预测的准确性。 无需人工标注的Real-Bogus深度学习分类方法及不确定性量化：这项工作提出了一种无需人工标注的深度学习分类方法，并通过不确定性量化来增强模型的鲁棒性。 反事实决策中的预测集：覆盖、最优性与共形预测：该研究探讨了反事实决策中的预测集问题，提出了覆盖、最优性和共形预测的新方法。 当前焦点与观察点 当前，不确定性量化领域的研究主要集中在以下几个方面：如何提高模型的不确定性估计能力、如何将不确定性量化应用于实际场景、以及如何处理不确定性量化中的计算挑战。随着研究的深入，不确定性量化技术有望在各个领域得到更广泛的应用。