不确定性是大数据时代人工智能的基本属性，尤其是在面对复杂、开放世界的任务时。因此，对不确定性进行合理刻画和利用，对于提升模型准确性、可靠性和安全性至关重要。本报告将（1）介绍传统神经网络中如何刻画不确定性，以及如何利用不确定性提高模型的准确性与可靠性；（2）针对传统不确定性刻画方法在大语言模型上纷纷失效，揭示造成这种困境的原因，并给出解决思路。通过理论结合实践，为学术界与工业界提供不确定性刻画与应用的新视角，推动不确定性研究在大模型时代迈向更深更广的应用。

张长青，天津大学智能与计算学部教授/博士生导师、国家级青年人才，其主要研究方向为机器学习。在Nature 子刊/IEEE TPAMI /ICML/NeurIPS/ICLR等期刊和国际会议上发表论文50余篇，Google Scholar引用1万4千余次。研究成果获得天津市自然科学一等奖、重庆市自然科学一等奖、中国图象图形学学会自然科学奖一等奖、IEEE ICME最佳论文等奖励，连续入选爱思唯尔“中国高被引学者”。受邀担任Pattern Recognition副编辑、《中国图象图形学报》《电子学报》编委及CCF A类会议领域主席。