资料源

本表服务于卷三的定义、方法与边界，不试图替代概率论、统计学或机器学习完整书目。一手论文链接已于 2026-07 核对；正文中的数学结论以给出的条件为准，论文中的经验结果不被外推为普遍定理。

概率、信息与评分规则

• Thomas M. Cover and Joy A. Thomas, Elements of Information Theory, 2nd ed., Wiley, 2006。用于熵、条件熵链式法则、交叉熵、KL 与互信息。
• Larry Wasserman, All of Statistics, Springer, 2004。用于期望、方差、Monte Carlo、区间与基础统计推断。
• Tilmann Gneiting and Adrian E. Raftery, Strictly Proper Scoring Rules, Prediction, and Estimation, JASA 2007。用于 proper/strictly proper score、log score 与 Brier score 的一般框架。
• Tilmann Gneiting, Fadoua Balabdaoui, and Adrian E. Raftery, Probabilistic Forecasts, Calibration and Sharpness, JRSS B 2007。用于区分校准与信息分辨能力。
• Edwin B. Wilson, Probable Inference, the Law of Succession, and Statistical Inference, JASA 1927。用于二项比例 Wilson score 区间。
• Bradley Efron, Bootstrap Methods: Another Look at the Jackknife, Annals of Statistics 1979。用于非参数 bootstrap 的原始方法来源；正文另行强调配对和层级必须按实验单位保留。
• Charles J. Geyer, Practical Markov Chain Monte Carlo, Statistical Science 1992。用于相关 Monte Carlo 均值的积分自相关时间与有效样本量；正文只在平稳性和相关可和条件下使用该近似。

数据、分词与条件语言模型

• Yoshua Bengio et al., A Neural Probabilistic Language Model, JMLR 2003。用于神经条件语言模型和最大似然背景。
• Ashish Vaswani et al., Attention Is All You Need, 2017。用于自回归/条件序列建模的 Transformer 背景；架构细节主要见卷一。
• Taku Kudo and John Richardson, SentencePiece: A Simple and Language Independent Subword Tokenizer and Detokenizer for Neural Text Processing, EMNLP 2018。用于 tokenizer、detokenizer 与概率单位的工程背景。
• Rafael Rafailov et al., Direct Preference Optimization: Your Language Model is Secretly a Reward Model, NeurIPS 2023。用于偏好对上的序列概率比目标；卷三不把该目标解释为唯一真实回答分布。

解码与诱导分布

• Ari Holtzman et al., The Curious Case of Neural Text Degeneration, ICLR 2020。用于 nucleus sampling 与开放文本截断解码的经验背景。
• Matthew Finlayson et al., Closing the Curious Case of Neural Text Degeneration, ICLR 2024。用于截断采样机制与 softmax 分布误差的后续分析；正文只采用支持被删除与逐步重归一化等可直接验证结论。
• Jonathan Ho, Ajay Jain, and Pieter Abbeel, Denoising Diffusion Probabilistic Models, NeurIPS 2020。用于扩散模型反向随机转移的基本形式。

训练运行与模型间变异

• Alex Kendall and Yarin Gal, What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision?, NeurIPS 2017。用于 aleatoric/epistemic 术语背景；正文说明该二分不能替代随机算法与系统非确定性。
• Balaji Lakshminarayanan, Alexander Pritzel, and Charles Blundell, Simple and Scalable Predictive Uncertainty Estimation Using Deep Ensembles, NeurIPS 2017。用于 ensemble 预测分歧背景。
• Thibault Sellam et al., The MultiBERTs: BERT Reproductions for Robustness Analysis, ICLR 2022。用于多预训练 seed、工件结论与训练程序结论的区分，以及多层 bootstrap 设计。
• Yupei Du, Dong Nguyen, and Naoaki Okazaki, Measuring the Instability of Fine-Tuning, ACL 2023。用于微调运行间差异不能由单一标准差充分描述的经验背景。

校准与不确定性

• Chuan Guo et al., On Calibration of Modern Neural Networks, ICML 2017。用于 temperature scaling、reliability diagram 与现代神经分类器校准。
• Juozas Vaicenavicius et al., Evaluating Model Calibration in Classification, AISTATS 2019。用于完整概率向量校准、最大置信校准的区别及校准评估细节。
• Rebecca Roelofs et al., Mitigating Bias in Calibration Error Estimation, AISTATS 2022。用于分箱 ECE 的有限样本偏差、等宽/等频分箱差异与估计器选择问题。
• Jason Hartline, Lunjia Hu, and Yifan Wu, A Perfectly Truthful Calibration Measure, COLT 2026。用于区分“测量校准”与“以诚实概率报告为唯一期望最优”的指标激励；正文不展开其新指标，只保留 ECE 不是 strictly proper 训练目标这一边界。
• Yaniv Ovadia et al., Can You Trust Your Model’s Uncertainty? Evaluating Predictive Uncertainty under Dataset Shift, NeurIPS 2019。用于分布漂移下准确率与校准退化的经验基准。
• Zhengbao Jiang et al., How Can We Know When Language Models Know? On the Calibration of Language Models for Question Answering, TACL 2021。用于生成式问答中候选概率和正确性校准的语言模型实例。
• Stephanie Lin, Jacob Hilton, and Owain Evans, Teaching Models to Express Their Uncertainty in Words, TMLR 2022。用于自然语言自报置信需要外部任务检验的背景。
• Saurav Kadavath et al., Language Models (Mostly) Know What They Know, 2022。用于模型预测自身答案正确性的实验路线；正文不把其经验发现外推为所有模型的保证。
• Lorenz Kuhn, Yarin Gal, and Sebastian Farquhar, Semantic Uncertainty: Linguistic Invariances for Uncertainty Estimation in Natural Language Generation, ICLR 2023。用于把不同字符串按语义等价类聚合的定义与采样近似。
• Sebastian Farquhar et al., Detecting Hallucinations in Large Language Models Using Semantic Entropy, Nature 2024。用于 semantic entropy 的扩展实验；正文明确保留采样、聚类与测量误差条件。

选择性预测与有限样本风险

• Yonatan Geifman and Ran El-Yaniv, SelectiveNet: A Deep Neural Network with an Integrated Reject Option, ICML 2019。用于 coverage、selective risk 与 risk-coverage 评价。
• Stephen Bates et al., Distribution-Free, Risk-Controlling Prediction Sets, JACM 2021。用于独立校准数据上有限样本风险控制的背景；正文不声称其保证在任意漂移或依赖请求下保持。

比较实验与分布漂移

• Philipp Koehn, Statistical Significance Tests for Machine Translation Evaluation, EMNLP 2004。用于按句子单位进行配对 bootstrap 的 NLP 早期实例。
• Rotem Dror et al., The Hitchhiker’s Guide to Testing Statistical Significance in Natural Language Processing, ACL 2018。用于根据实验设计和指标选择统计比较程序。
• Masashi Sugiyama, Matthias Krauledat, and Klaus-Robert Müller, Covariate Shift Adaptation by Importance Weighted Cross Validation, JMLR 2007。用于 covariate shift 条件、密度比加权和支持要求。

因果与解释边界

• Judea Pearl, Causality, 2nd ed., Cambridge University Press, 2009。用于观察条件 $P(Y\mid X)$ 与干预分布 $P(Y\mid do(X))$ 的区分。
• 模型 softmax、解码后频率、语义事件概率、世界事件概率和自报置信在本卷中始终是不同对象。上列来源都不支持在缺少事件映射、标签、校准与分布条件时将它们无条件等同。