本文通过理论和实验证明了无视概率值可以减轻在conformal prediction中概率值失配所导致的大预测集的不良影响。提出了一种名为“Sorted Adaptive prediction sets”(SAPS)的新算法，通过丢弃除最大softmax概率以外的所有概率值，生成小型集合并传达逐个实例的不确定性。实验证明SAPS不仅减小了预测集，还提高了预测集的条件覆盖率和适应性。

该论文介绍了一种名为Conformal Prediction的机器学习框架，通过扩展传统回归神经网络的方法，将点预测转化为满足所需置信水平的预测区间。作者在实证评估中发现，该方法在预测总电子含量方面表现良好。