本研究提出了一种基于置信度的机制，动态调整解码温度，以提高随机样本的聚合多样性和准确性。实验结果表明，该方法在数学推理任务中优于固定多样性基准。

本文介绍了一种新的增强算法ProBoost，利用样本的不确定性确定最具挑战性的样本，提高下一个学习器的相关性。实验结果表明，ProBoost在MNIST数据集上能显著提高性能。