uncertainty-quantification

Uncertainty Toolbox: Hộp công cụ Python dùng để định lượng, hiệu chuẩn, đo lường và trực quan hóa độ bất định dự đoán

Danh sách được tuyển chọn chuyên nghiệp gồm các video, hướng dẫn, sách, bài báo, luận án tiến sĩ và thạc sĩ, bài viết và thư viện mã nguồn mở tuyệt vời về Conformal Prediction.

[JMLR 2026] "UQLM: Gói Python để định lượng độ bất định trong các Mô hình Ngôn ngữ Lớn"

Triển khai dự đoán kết hợp nhẹ, hữu ích trên dữ liệu thực.

Thư viện phân tích độ nhạy trong Python. Bao gồm các phương pháp Sobol, Morris, FAST và các phương pháp khác.

Awesome-LLM-Robustness: danh sách tổng hợp về tính không chắc chắn, độ tin cậy và tính bền vững trong các mô hình ngôn ngữ lớn.

Kho lưu trữ này chứa tập hợp các khảo sát, bộ dữ liệu, bài báo và mã nguồn cho việc ước tính độ không đảm bảo dự đoán trong các mô hình deep learning.

Bộ công cụ dựa trên Python bao gồm nhiều phương pháp trong việc ra quyết định, định lượng độ không đảm bảo và mô phỏng thống kê: đa độ trung thực, thiết kế thí nghiệm, tối ưu hóa Bayesian, tích phân Bayesian, v.v.

Gói Python cho dự đoán tuân thủ (conformal prediction)

Framework mã nguồn mở cho các mô hình học sâu và độ không chắc chắn trong PyTorch.