Brier 分数（Brier Score）作为概率预测的经典校准度量，近期在多个前沿领域被重新审视和扩展。传统上用于二分类概率的Brier分数，现被推广至右删失生存数据（Proper Scoring Rules for Right-Censored Survival Data），提出IPCW Brier分数以处理删失情况，为生存分析中的模型校准提供了更稳健的评估工具。同时，在连续时间生存分析领域，新提出的扩散模型SDPM（SDPM：扩散模型用于连续时间生存分析）采用Brier分数作为关键性能指标之一，对比传统方法展示了更好的时间动态预测能力。此外，在AI智能体评估中，FutureSim（FutureSim：用真实世界事件回放评估AI智能体适应能力）利用Brier分数衡量智能体对事件概率的预测精度，揭示了现有智能体在适应复杂真实世界场景时的校准不足。值得注意的是，LLM社会科学测量校准问题（LLM社会科学测量校准问题：GPT-5-mini等模型置信度偏差严重）的研究指出，当前大型语言模型如GPT-5-mini在社会科学调查中置信度与真实准确率之间存在显著偏移，而Brier分数因其分解为分辨率和校准成分的特性，被用于诊断和量化这种偏差。
当前焦点集中于Brier分数在非独立同分布数据（如生存分析、事件序列）下的适应性扩展，以及如何通过其分解特性指导模型校准改进。未来观察点包括：Brier分数与其他评分规则（如对数分数）在复杂删失数据中的比较，以及其在多模态、动态场景（如自动驾驶、对话系统）中的落地应用。