本研究系统比较了深度学习中的随机不确定性评估，发现深度集成和深度证据回归在高噪声和高维度下存在显著的误校准，强调了后续校准研究的重要性。

本研究提出了一个基于统计推理的框架，用于区分和量化预测中的随机不确定性与认知不确定性。通过贝叶斯推理和新的不确定性度量，探讨了机器学习中不确定性的现状及其应用，强调了可靠的不确定性表示在可信机器学习系统中的重要性。