本研究提出UAlign框架，旨在提高大型语言模型在表达事实知识时的可靠性。通过不确定性估计来界定知识边界，增强模型对事实知识的对齐。实验结果表明，UAlign提升了模型对已知问题的回答信心，并能有效拒绝未知问题，展现出良好的性能和泛化能力。