AI 最麻烦的一点，是没把握时也能答得很流畅。U-Space 想给开放权重模型装一盏“谨慎灯”：系统只运行模型一次，就估计这道回答是否该交给人工复核、补充检索或保守处理，不必让模型重复作答，也不需要裁判模型和人工标注集。
它的工具 U-Lens 把两个信号相乘：一是隐藏状态——模型处理文字时形成的内部数字表示——朝“歧义、信息缺失、证据冲突、一般性不确定”四个方向偏得多强；二是推理过程中平均 Token 熵，也就是模型对下一个词的候选有多分散。作者自述，在涵盖 3 个模型、4 个基准和 3 个随机种子的实验中，它优于需采样 5 次、10 次的方法及监督式基线。代价是模型须先有适配的 Jacobian Lens；若没有，作者称可用约 100 条无标注提示拟合，主要成本来自反向计算。