量化 LLM 不确定性，精准识别幻觉，提升 AI 输出可信度。
UQLM 是一个专注于大语言模型（LLM）不确定性量化的 Python 包，源自 JMLR 2026 论文。它解决的核心问题是：LLM 在生成文本时经常产生幻觉（hallucination），而模型自身给出的置信度往往不可靠。UQLM 提供了一套系统化的工具，用于估计模型输出的置信度分数、检测幻觉内容，并评估不同不确定性量化方法的效果。其核心能力包括：集成多种置信度估计方法（如基于 logits、采样一致性、自评估等）、统一的评估框架、以及便于与现有 LLM 工作流集成的 API。该包旨在帮助开发者更好地理解模型何时可能出错，从而提升 AI 系统的安全性和可靠性，尤其适用于对输出准确性要求高的应用场景。
1检查 Python 环境
确认本机已安装 Python 与 pip，可正常执行 pip 命令。README 未限定最低版本，建议用较新版本。
python --version
pip --version2安装 uqlm
README 给出的唯一安装方式：从 PyPI 安装最新版。建议在虚拟环境或容器中执行，避免污染全局环境。
pip install uqlm3验证安装
导入 uqlm 包，若无报错说明安装成功。可顺带打印版本号，确认拉取到的是预期版本。
python -c "import uqlm; print(getattr(uqlm, '__version__', 'ok'))"4查看官方文档
README 节选未包含使用示例与打分器配置，请打开官方文档了解幻觉检测的调用方式与评估流程。
执行 python -c "import uqlm" 无 ImportError；也可用 pip show uqlm 查看已安装版本与路径。
Q：安装时下载很慢或超时怎么办？
A：可临时指定国内镜像源加速，例如执行 pip install uqlm -i https://pypi.tuna.tsinghua.edu.cn/simple，安装完成后无需再做其他配置。
Q：uqlm 支持哪些 Python 版本？
A：README 节选未写明版本要求，建议使用较新的 Python 3.x，并以官方文档 https://cvs-health.github.io/uqlm/latest/index.html 的说明为准。
Q：装好之后怎么开始做幻觉检测？
A：README 节选只给了安装命令，打分器调用示例请查阅官方文档的 Hallucination Detection 章节，按其示例代码逐步运行。
Q：需要配置 API 密钥吗？
A：取决于所选的评分方法：基于 logits 或采样一致性的方法需要调用 LLM 后端，因此通常要准备对应服务商的密钥，具体变量名请参考官方文档。
lm-polygraph、uncertainty-baselines、langkit
uqlm 是评测安全领域的开源项目，由 cvs-health 开发，2025 年首次发布。
在全站 13,014 个收录项目中，它的 GitHub 星标数（1,202）位列前 30%，在评测安全分类中处于中上游。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。开源Python包，Apache-2.0许可证，完全免费，需自行部署使用。
它主要面向的使用场景是：构建RAG系统时，对检索答案进行幻觉检测和置信度过滤。同类可对比的替代方案包括 lm-polygraph、uncertainty-baselines、langkit。
下一篇：judgeval
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
fast-llm-security-guardrails
开源
给 AI Agent 加一道快速安全闸门，防提示注入和隐私泄露
The fastest Trust Layer for AI Agents
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.