研究表明，均值插补在预测准确性上表现良好，但会破坏特征间的关系。尽管KNN和MICE方法较为复杂，但未能超越均值和中位数。选择插补方法应根据具体目标，均值适合预测，而KNN更适合保留特征关系。
本研究提出了一种新颖的模型内部置信度估计器（MICE），用于校准工具使用代理的置信度。MICE通过解码语言模型的中间层来评估置信度，显著提高了工具调用的效率和置信度，具备高样本效率和零次泛化能力，适用于不同风险场景。
完成下面两步后，将自动完成登录并继续当前操作。
