Buchumschlag

Probabilities Are All You Need: A Probability-Only Approach to Uncertainty Estimation in Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nguyen, Manh, Gupta, Sunil, Le, Hung
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Distance Is All You Need: Radial Dispersion for Uncertainty Estimation in Large Language Models
von: Nguyen, Manh, et al.
Veröffentlicht: (2025)

Retrieval-augmented Decoding for Improving Truthfulness in Open-ended Generation
von: Nguyen, Manh, et al.
Veröffentlicht: (2025)

Uncertainty-Guided Checkpoint Selection for Reinforcement Finetuning of Large Language Models
von: Nguyen, Manh, et al.
Veröffentlicht: (2025)

GRAD: Graph-Retrieved Adaptive Decoding for Hallucination Mitigation
von: Nguyen, Manh, et al.
Veröffentlicht: (2025)

Attention Is All You Need But You Don't Need All Of It For Inference of Large Language Models
von: Tyukin, Georgy, et al.
Veröffentlicht: (2024)

SPaCe: Unlocking Sample-Efficient Large Language Models Training With Self-Pace Curriculum Learning
von: Do, Dai, et al.
Veröffentlicht: (2025)

Leveraging Large Language Models for Information Verification -- an Engineering Approach
von: Hung, Nguyen Nang, et al.
Veröffentlicht: (2025)

Estimating the Probabilities of Rare Outputs in Language Models
von: Wu, Gabriel, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Budget Allocation for Adaptive Test-Time Reasoning
von: Nguyen, Manh, et al.
Veröffentlicht: (2026)

Generalized Sobolev Transport for Probability Measures on a Graph
von: Le, Tam, et al.
Veröffentlicht: (2024)

Transfer Learning on Edge Connecting Probability Estimation under Graphon Model
von: Wang, Yuyao, et al.
Veröffentlicht: (2025)

Key and Value Weights Are Probably All You Need: On the Necessity of the Query, Key, Value weight Triplet in Self-Attention Transformers
von: Karbevski, Marko, et al.
Veröffentlicht: (2025)

Scalable Sobolev IPM for Probability Measures on a Graph
von: Le, Tam, et al.
Veröffentlicht: (2025)

Perturbation is All You Need for Extrapolating Language Models
von: Cen, Zetai, et al.
Veröffentlicht: (2026)

Does Reasoning Emerge? Examining the Probabilities of Causation in Large Language Models
von: González, Javier, et al.
Veröffentlicht: (2024)

Generating Realistic Tabular Data with Large Language Models
von: Nguyen, Dang, et al.
Veröffentlicht: (2024)

Guidance is All You Need: Temperature-Guided Reasoning in Large Language Models
von: Gomaa, Eyad, et al.
Veröffentlicht: (2024)

Neural Conditional Probability for Uncertainty Quantification
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

Accuracy is Not All You Need
von: Dutta, Abhinav, et al.
Veröffentlicht: (2024)

Detecting Hallucinations in Large Language Model Generation: A Token Probability Approach
von: Quevedo, Ernesto, et al.
Veröffentlicht: (2024)

Stable Hadamard Memory: Revitalizing Memory-Augmented Agents for Reinforcement Learning
von: Le, Hung, et al.
Veröffentlicht: (2024)

Cross-Validation Is All You Need: A Statistical Approach To Label Noise Estimation
von: Chen, Jianan, et al.
Veröffentlicht: (2023)

Confidence Is All You Need for MI Attacks
von: Sinha, Abhishek, et al.
Veröffentlicht: (2023)

Is GPT-OSS All You Need? Benchmarking Large Language Models for Financial Intelligence and the Surprising Efficiency Paradox
von: Bi, Ziqian, et al.
Veröffentlicht: (2025)

Attention is All You Need Until You Need Retention
von: Yaslioglu, M. Murat
Veröffentlicht: (2025)

Density Ratio Estimation with Conditional Probability Paths
von: Yu, Hanlin, et al.
Veröffentlicht: (2025)

DmC: Nearest Neighbor Guidance Diffusion Model for Offline Cross-domain Reinforcement Learning
von: Van, Linh Le Pham, et al.
Veröffentlicht: (2025)

Diffusion-Inspired Reconfiguration of Transformers for Uncertainty Calibration
von: Dao, Manh Cuong, et al.
Veröffentlicht: (2026)

Hybrid Cross-domain Robust Reinforcement Learning
von: Van, Linh Le Pham, et al.
Veröffentlicht: (2025)

Centrality Estimators for Probability Density Functions
von: Ziou, Djemel
Veröffentlicht: (2024)

Context is All You Need
von: Delanois, Jean Erik, et al.
Veröffentlicht: (2026)

Memory Is All You Need: An Overview of Compute-in-Memory Architectures for Accelerating Large Language Model Inference
von: Wolters, Christopher, et al.
Veröffentlicht: (2024)

Density-Softmax: Efficient Test-time Model for Uncertainty Estimation and Robustness under Distribution Shifts
von: Bui, Ha Manh, et al.
Veröffentlicht: (2023)

Robust Transfer Learning for Active Level Set Estimation with Locally Adaptive Gaussian Process Prior
von: Ngo, Giang, et al.
Veröffentlicht: (2024)

Rethinking Evaluation Metric for Probability Estimation Models Using Esports Data
von: Choi, Euihyeon, et al.
Veröffentlicht: (2023)

The Manokhin Probability Matrix: A Diagnostic Framework for Classifier Probability Quality
von: Manokhin, Valery
Veröffentlicht: (2026)

Are Retrials All You Need? Enhancing Large Language Model Reasoning Without Verbalized Feedback
von: Potamitis, Nearchos, et al.
Veröffentlicht: (2025)

Interpretable Probability Estimation with LLMs via Shapley Reconstruction
von: Nan, Yang, et al.
Veröffentlicht: (2026)

Attention Is All You Need for KV Cache in Diffusion LLMs
von: Nguyen-Tri, Quan, et al.
Veröffentlicht: (2025)

Some Attention is All You Need for Retrieval
von: Michalak, Felix, et al.
Veröffentlicht: (2025)