大型语言模型（LLMs）常常在自信的情况下出现错误，因此可靠的不确定性估计（UE）显得尤为重要。基于输出的启发式方法虽然便宜，但容易脆弱；而探测内部表示则有效，但维度高且难以迁移。提出了一种紧凑的每实例不确定性估计方法，该方法通过单次前向传播评分内部表示中的跨层一致性模式。在三个模型上，该方法在同分布下的表现与探测相当，平均对角差异最多为-1.8 AUPRC百分点和+4.9 Brier分。在跨数据...