在高风险自动化决策场景中，系统能否提供预测不确定性，直接决定了使用者——无论是人类还是下游系统——能否依据具体应用的成本权衡来接受或拒绝某一预测。这类同时输出预测结果与不确定性评分的系统被称为不确定性增强（uncertainty-augmented，UA）系统。arXiv 上编号为 2605.20490 的预印本论文指出，目前文献中对这类系统的评估方式并不统一，常见做法包括分别用不同指标评价预测质量与不确定性评分、设定带固定拒绝成本的成本函数，或对覆盖率—风险曲线做积分。作者认为，这些方法都不足以衡量 UA 系统在不确定性条件下进行决策的整体表现。
为此，论文提出了一族新的评估指标 $ECUAS_n$，其构造方式是对目标任务设计恰当的评分规则（proper scoring rule）。其中参数 n 用于调节错误预测的成本与不确定性估计不完善所带来的代价之间的权衡，使用者可根据实际用例的需求来设定。作者从理论层面论证了该指标族的优势，并通过在多种分类与生成数据集上的实验加以验证，实验对象包括 TriviaQA 的一个经人工标注的子集。
该论文于 2026 年 5 月 19 日提交第一版，5 月 21 日更新至第二版。作者为 Lautaro Estienne 及另外四位合作者。论文标注为预印本，正文 9 页，全文共 25 页，主题属于人工智能（cs.AI）与机器学习（cs.LG）领域，DOI 为 10.48550/arXiv.2605.20490，由 Erik Ernst 提交。
从研究动机看，作者强调现有评估方式割裂了预测与不确定性之间的耦合关系：单独评价预测准确率无法反映不确定性评分是否有助于筛选可靠结果，而固定拒绝成本或覆盖率—风险积分又难以适配不同应用对错误的敏感程度。$ECUAS_n$ 通过将二者纳入统一的评分规则框架，使评估结果能够直接对应决策任务的实际成本结构。参数 n 的存在意味着同一系统在不同 n 值下可能呈现不同的相对优势，这为面向具体部署场景的评估提供了灵活性。
论文的实证部分覆盖分类与生成两类任务，说明该指标并不局限于单一任务范式；TriviaQA 的人工标注子集则用于在需要人工判断的开放问答场景中检验指标的有效性。作者表示，理论分析与实验结果共同支持 $ECUAS_n$ 相较于现有做法的优越性。对于需要部署不确定性感知模型的研究者与工程团队而言，这一指标族提供了一种将预测正确性与不确定性质量统一考量的评估思路。