Awesome-MLLM-Uncertainty

一页看尽多模态模型不确定性研究，快速定位关键论文

这是一个精选多模态大语言模型（MLLM）不确定性研究论文的列表项目，旨在系统梳理该领域的最新进展。它解决的是MLLM在推理过程中缺乏可靠置信度、容易产生幻觉或错误输出等问题，通过整理相关论文帮助研究者快速了解不确定性量化、校准、推理时不确定性估计、基于不确定性的幻觉缓解等方向。项目按主题分类收录论文，并附有简要说明和链接，方便检索。作为社区维护的awesome列表，它降低了文献调研门槛，适合学术研究者和工程师跟踪前沿。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 59

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队Ruiyang-061X

所属国家

官网地址

GitHubhttps://github.com/Ruiyang-061X/Awesome-MLLM-Uncertainty

定价模式free

价格说明该项目为开源论文列表，无在线服务，完全免费。

访问状态

是否开源是

开源协议

主要语言

技术栈/模型large-language-models,large-vision-language-models,large-vision-models,mllm,multi-modal,uncertainty,uncertainty-estimation,uncertainty-quantification

GitHub 星标★ 59

30天Star增速

HF 下载量

上线时间2024-11-27 00:00:00

最近更新2026-07-08 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数7

使用教程

核心亮点

主题聚焦，专门整理MLLM不确定性，比通用LLM列表更对口
分类清晰，按方法/应用场景组织，便于按需查阅
论文条目附带说明，节省筛选时间

不足之处

项目处于早期，收录论文数量有限，覆盖不全
缺少代码或实验对比，仅提供论文链接，实用性受限
文档/社区待观察

适用场景

学术调研：快速了解MLLM不确定性研究方向
论文写作：查找相关参考文献
技术选型：评估不确定性方法在业务中的可行性

替代项目

Awesome-LLM-Hallucination、Awesome-MLLM、Awesome-Uncertainty

项目介绍

Awesome-MLLM-Uncertainty 是评测安全领域的开源项目，由 Ruiyang-061X 开发，2024 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 59。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-08。该项目为开源论文列表，无在线服务，完全免费。

它主要面向的使用场景是：学术调研：快速了解MLLM不确定性研究方向。同类可对比的替代方案包括 Awesome-LLM-Hallucination、Awesome-MLLM、Awesome-Uncertainty。

上一篇：CRUD_RAG

下一篇：ANeurIPS2024_SPV-MIA