本文研究了自然语言模型（如T5、BART、GPT-2、GPT-3等）的知识校准，提出了提高模型置信度和准确性的有效方法。实验结果表明，校准显著提升了模型表现，并探讨了不同模型在概率估计中的一致性问题，提出了新框架以改善输出评估的可信度。