本研究评估了多个大型语言模型在回答300个胃肠病学问题时的自我报告反应确定性。尽管新模型表现较好，但普遍存在过度自信的倾向，这对医疗健康中安全使用大型语言模型提出了挑战。

本研究提出NOVA框架，旨在解决大语言模型在指令调优阶段因陌生知识引发的过度自信和幻觉问题。通过评估模型对指令数据的熟悉程度，筛选高质量数据，从而减少幻觉现象，提高模型的遵循能力。

本文提出了一种新方法InpDiffusion，旨在解决图像修复定位中的过度自信和边界检测困难问题。通过引入边缘条件和监督策略，提升了修复图像的细节感知，显著提高了定位的准确性和鲁棒性。

本文介绍了几种校准方法，包括焦点损失、温度缩放和参数化温度缩放等，这些方法可以提高分类模型在测试数据上的校准表现，并解决过度自信的问题。实验证明这些方法在多个数据集上都取得了良好的效果。