深層学習モデルのテストは、膨大な数と複雑な計算が関わるため難しい。従来、テストデータの選択は手動で行われており、このプロセスを自動化する方法が求められている。最近の研究は、ソフトウェアテストから得た指標を深層学習に適用することに注目しているが、深層学習モデルには独特の属性があるため、従来の指標は適切でない。著者たちは、モデル不確実性に基づいたテスト選択指標の提案を行い、不確実なサンプルほど誤分類を引き起こす可能性が高いと示している。提案された不確実性指標は、画像分類タスクにおいて大きな精度向上を見せ、特に誤分類を引き起こすデータの選択には高い効果を示した。