视频问答的置信度弃答：域内有效，证据退化时仍可能失准

视觉语言模型（VLM）的高风险部署需要选择性预测：系统在不确定时弃答，而不是冒出现代价高昂错误的风险。我们研究基于置信度的弃答能否为视频问答的错误率提供可靠控制，以及该控制能否在分布偏移下保持稳健。基于 NExT-QA 与 Gemini 2.0 Flash，我们确立两点发现。其一，置信度阈值化在分布内提供了机制性的控制：扫描阈值 ε 可产生平滑的风险—覆盖权衡，在 63.7% 覆盖率下将错误率从 23.6% 降至 9.4%，且预测校准良好（ECE = 0.018）。其二，这种控制并非认知性的。在证据退化（18 帧减至 6 帧）时，模型置信度分布仅小幅收缩：尽管视觉信息减少为原来的三分之一，两种情形下的置信度中位数都保持在 0.9。模型在偏移下并不能"知道自己不知道"。这些结果支持基于证据支撑（warrant）的选择性预测：置信度应被现有证据所能支持的范围显式约束。