大型语言模型在多项选择问答中表现优异，最大softmax概率与正确答案高度相关。研究表明，优秀模型在59/60情况下的AUROC高于随机概率，最佳模型的AUROC平均为60%到69%。通过基于MSP选择性弃权可提升性能，使用预修正前的logit实验结果相似。

介绍了一种名为SAPS的新算法，通过丢弃除最大softmax概率以外的所有概率值，最小化非符合度分数对概率值的依赖，生成小型集合并传达逐个实例的不确定性。SAPS具有有限样本覆盖保证，预期集合大小小于APS。实验验证了SAPS减小了预测集，提高了预测集的条件覆盖率和适应性。