为了解决当前大多数模型过于自信的问题，我们引入了一种称为 LACIE 的训练方法，通过模拟一个听众来校准 LLMs 的内隐和外显置信度标记，实验结果表明，经过 LACIE 训练的模型在置信度上表现得更好，并且 LACIE 方法在其他数据集上也具有泛化能力，并提高了模型对正确与错误示例的分辨能力，并通过包含细节和使用权威语调来暗示正确时的确定性，最后，LACIE 训练导致了模型自动放弃对错误答案的回答。