对22种语言的不确定性估计（UE）方法进行的规模评估显示，提示模型使用英语进行推理能显著提升性能，尤其是在低资源语言中。该研究在 eliciting 长形式推理的同时，比较了九种开源和闭源 UE 方法，使用的是人工策划的问答数据集。

  • 即使问题是用低资源语言提出的，提示模型用英语推理也能大幅提高 UE 性能，这表明可靠性瓶颈在于生成而非理解。
  • 使用英语进行推理缩小了低资源和高资源语言之间的 UE 性能差距，表明生成的语言比问题的语言更重要。
  • 最优的 UE 方法取决于模型规模：在较小规模下，基于概率的开源方法优于其他方法；而在较大规模下，闭源的自我言语化不确定性更优。

作者提供了关于选择性预测中阈值选择的指导，以帮助在多语言环境中校准拒绝回答的行为。