uncertainty-quantification

Un toolbox Python pour la quantification, le calibrage, les métriques et la visualisation de l'incertitude prédictive

Une liste organisée de ressources sur la Conformal Prediction incluant vidéos, tutoriels, livres, articles, thèses de doctorat et de master, ainsi que des bibliothèques open-source.

[JMLR 2026] « UQLM : un package Python pour la quantification de l'incertitude dans les grands modèles de langage ».

Implémentation légère et utile de la prédiction conforme sur des données réelles.

Bibliothèque d'analyse de sensibilité en Python. Inclut les méthodes Sobol, Morris, FAST et d'autres.

Awesome-LLM-Robustness : une liste organisée sur l'incertitude, la fiabilité et la robustesse des grands modèles de langage (LLM)

Ce dépôt contient une collection d'enquêtes, de jeux de données, d'articles et de codes pour l'estimation de l'incertitude prédictive dans les modèles d'apprentissage profond.

Une boîte à outils basée sur Python contenant diverses méthodes en matière de prise de décision, de quantification d'incertitude et d'émulation statistique : multi-fidélité, conception expérimentale, optimisation bayésienne, quadrature bayésienne, etc.

Package Python pour la prédiction conforme

Framework open-source pour l'incertitude et les modèles de deep learning dans PyTorch 🌱