JMLR

UQLM: A Python Package for Uncertainty Quantification in Large Language Models

UQLM：用于大型语言模型不确定性量化的Python包

Dylan Bouchard, Mohit Singh Chauhan, David Skarbrevik, Ho-Kyeong Ra, Viren Bajaj, Zeya Ahmad

机构 * CVS Health（CVS健康） 纠错

AI总结 UQLM是一个用于检测大型语言模型幻觉的Python工具包，通过先进的不确定性量化技术提升模型输出的可靠性。

Comments Accepted by JMLR; UQLM Repository: https://github.com/cvs-health/uqlm

Journal ref Journal of Machine Learning Research, 2026

Zono-Conformal Prediction: Zonotope-Based Uncertainty Quantification for Regression and Classification Tasks

基于zono的置信预测：用于回归和分类任务的不确定性量化

Laura Lützow, Michael Eichelbeck, Mykel J. Kochenderfer, Matthias Althoff

AI总结 本文提出zono-conformal预测方法，通过构建zono-topes来提高回归和分类任务中的不确定性量化效率，相比传统方法更高效且更少保守。

Comments https://jmlr.org/papers/v26/25-1161.html

Journal ref Journal of Machine Learning Research 26 (2025), pp. 1-37