Kalibrierte Konfidenzwerte ermöglichen aktives Lernen bei Prompt-Optimierung und zuverlässigere Safety-Classifier für Agenten. Token-basierte Methoden versagen bei Reasoning-Modellen, da Thinking-Trajectories die Wahrscheinlichkeitsverteilung kontaminieren – das schränkt die Methodenwahl für aktuelle Modelle erheblich ein.