KDD

Claim-Level Confidence Calibration for Reliable Decision Making with Large Language Models

面向大型语言模型可靠决策的声明级置信度校准

Toghrul Abbasli, Kentaroh Toyoda, Yuan Wang, Li Chen

机构 * Tsinghua University（清华大学） ； Vulcan Research（伏尔坎研究院） ； AIFT ； Keio Global Research Institute (KGRI)（庆应全球研究所（KGRI）） ； China Mobile Research Institute（中国移动研究院） ； Zhongguancun Laboratory（中关村实验室） 纠错

AI总结 该研究针对大型语言模型的幻觉及置信度与事实不匹配问题，提出黑箱场景下的声明级置信度校准框架，在TriviaQA等数据集上降低了事实问题的预期校准误差。

Comments In Proceedings of The 5th Workshop on Uncertainty Reasoning and Quantification in Decision Making (held in conjunction with ACM SIGKDD 2026), Jeju, Korea

Class-Conditioned Gaussian Mixture Modeling for Imbalanced Time Series Quantification

面向不平衡时间序列量化的类条件高斯混合建模

Md Shahriar Kabir, Mayesha Maliha R. Mithila, Anne H. H. Ngu, Mylène C. Q. Farias, Byron Gao

机构 * Texas State University（德克萨斯州立大学） 纠错

AI总结 本文针对不平衡时间序列量化问题，提出类条件高斯混合量化器 CC-GMNet-TS，结合 Transformer 特征提取器与类专属混合模型，在三个基准上取得优于传统方法的低误差。

Comments 13 pages, 2 figures, 2 tables. Accepted at PAKDD 2026 (Pacific-Asia Conference on Knowledge Discovery and Data Mining), LNAI 16599, pp. 560-572, Springer, Singapore