本文探讨了大语言模型（LLMs）响应的可靠性，提出了一种多维不确定性量化框架，结合语义和知识感知的相似性分析，通过生成多个响应和张量分解，提高了不确定性量化的准确性。

本研究通过递归神经网络的组合学习改进动态表示对齐指标，发现动态相似性分析在识别行为相关表示时具有更强的抗噪声能力，从而提升了对计算过程和网络学习任务的理解。