Buchumschlag

DiscoUQ: Structured Disagreement Analysis for Uncertainty Quantification in LLM Agent Ensembles

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Jiang, Bo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CoT-UQ: Improving Response-wise Uncertainty Quantification in LLMs with Chain-of-Thought
von: Zhang, Boxuan, et al.
Veröffentlicht: (2025)

RewardUQ: A Unified Framework for Uncertainty-Aware Reward Models
von: Yang, Daniel, et al.
Veröffentlicht: (2026)

SNAP-UQ: Self-supervised Next-Activation Prediction for Single-Pass Uncertainty in TinyML
von: Lamaakal, Ismail, et al.
Veröffentlicht: (2025)

Estimating Semantic Alphabet Size for LLM Uncertainty Quantification
von: McCabe, Lucas H., et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Language Models: A Suite of Black-Box, White-Box, LLM Judge, and Ensemble Scorers
von: Bouchard, Dylan, et al.
Veröffentlicht: (2025)

Beyond Semantic Entropy: Boosting LLM Uncertainty Quantification with Pairwise Semantic Similarity
von: Nguyen, Dang, et al.
Veröffentlicht: (2025)

UQ: Assessing Language Models on Unsolved Questions
von: Nie, Fan, et al.
Veröffentlicht: (2025)

Lightning UQ Box: A Comprehensive Framework for Uncertainty Quantification in Deep Learning
von: Lehmann, Nils, et al.
Veröffentlicht: (2024)

SAUP: Situation Awareness Uncertainty Propagation on LLM Agent
von: Zhao, Qiwei, et al.
Veröffentlicht: (2024)

Position: Uncertainty Quantification Needs Reassessment for Large-language Model Agents
von: Kirchhof, Michael, et al.
Veröffentlicht: (2025)

Uncertainty as Feature Gaps: Epistemic Uncertainty Quantification of LLMs in Contextual Question-Answering
von: Bakman, Yavuz, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for In-Context Learning of Large Language Models
von: Ling, Chen, et al.
Veröffentlicht: (2024)

Functional Entropy: Predicting Functional Correctness in LLM-Generated Code with Uncertainty Quantification
von: Bouchard, Dylan, et al.
Veröffentlicht: (2026)

Simple Yet Effective: An Information-Theoretic Approach to Multi-LLM Uncertainty Quantification
von: Kruse, Maya, et al.
Veröffentlicht: (2025)

Rethinking LLM Ensembling from the Perspective of Mixture Models
von: Fu, Jiale, et al.
Veröffentlicht: (2026)

Aligning LLM Uncertainty with Human Disagreement in Subjectivity Analysis
von: Lu, Junyu, et al.
Veröffentlicht: (2026)

SELAUR: Self Evolving LLM Agent via Uncertainty-aware Rewards
von: Zhang, Dengjia, et al.
Veröffentlicht: (2026)

Evaluating Memory Structure in LLM Agents
von: Shutova, Alina, et al.
Veröffentlicht: (2026)

Prompt-Dependent Ranking of Large Language Models with Uncertainty Quantification
von: Menendez, Angel Rodrigo Avelar, et al.
Veröffentlicht: (2026)

The Illusion of Certainty: Uncertainty Quantification for LLMs Fails under Ambiguity
von: Tomov, Tim, et al.
Veröffentlicht: (2025)

Harnessing Uncertainty: Entropy-Modulated Policy Gradients for Long-Horizon LLM Agents
von: Wang, Jiawei, et al.
Veröffentlicht: (2025)

LLM-TOPLA: Efficient LLM Ensemble by Maximising Diversity
von: Tekin, Selim Furkan, et al.
Veröffentlicht: (2024)

Generating with Confidence: Uncertainty Quantification for Black-box Large Language Models
von: Lin, Zhen, et al.
Veröffentlicht: (2023)

Benchmarking Uncertainty Quantification Methods for Large Language Models with LM-Polygraph
von: Vashurin, Roman, et al.
Veröffentlicht: (2024)

Entropy, Disagreement, and the Limits of Foundation Models in Genomics
von: Rochkoulets, Maxime, et al.
Veröffentlicht: (2026)

Recurrent Confidence Chain: Temporal-Aware Uncertainty Quantification in Large Language Models
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2026)

Towards Better Understanding of In-Context Learning Ability from In-Context Uncertainty Quantification
von: Liu, Shang, et al.
Veröffentlicht: (2024)

ReDAct: Uncertainty-Aware Deferral for LLM Agents
von: Piatrashyn, Dzianis, et al.
Veröffentlicht: (2026)

Uncertainty Quantification for Named Entity Recognition via Full-Sequence and Subsequence Conformal Prediction
von: Singer, Matthew, et al.
Veröffentlicht: (2026)

Adaptive Uncertainty Quantification for Generative AI
von: Kim, Jungeum, et al.
Veröffentlicht: (2024)

DiffHybrid-UQ: Uncertainty Quantification for Differentiable Hybrid Neural Modeling
von: Akhare, Deepak, et al.
Veröffentlicht: (2023)

An Isotropic Approach to Efficient Uncertainty Quantification with Gradient Norms
von: Grünefeld, Nils, et al.
Veröffentlicht: (2026)

The Role of Ambiguity in Error Prediction via Uncertainty Quantification
von: Staliūnaitė, Ieva Raminta, et al.
Veröffentlicht: (2026)

The Consistency Hypothesis in Uncertainty Quantification for Large Language Models
von: Xiao, Quan, et al.
Veröffentlicht: (2025)

On Subjective Uncertainty Quantification and Calibration in Natural Language Generation
von: Wang, Ziyu, et al.
Veröffentlicht: (2024)

SIMBA UQ: Similarity-Based Aggregation for Uncertainty Quantification in Large Language Models
von: Bhattacharjya, Debarun, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Collaborative System of Large and Small Models for Multimodal Sentiment Analysis
von: Han, Shiqin, et al.
Veröffentlicht: (2025)

PCS-UQ: Uncertainty Quantification via the Predictability-Computability-Stability Framework
von: Agarwal, Abhineet, et al.
Veröffentlicht: (2025)

TCUQ: Single-Pass Uncertainty Quantification from Temporal Consistency with Streaming Conformal Calibration for TinyML
von: Lamaakal, Ismail, et al.
Veröffentlicht: (2025)

Multi-group Uncertainty Quantification for Long-form Text Generation
von: Liu, Terrance, et al.
Veröffentlicht: (2024)