待验证50% 置信事实精确时间

KL散度衡量两个概率分布之间的有向差异，定义为 D_KL(P||Q)=E_P[log(dP/dQ)]，非负且不对称，当且仅当两分布几乎处处相等时为零。

1

来源数

50%

置信度

长期有效

时效性

2026/10/30

首次发现

来源

KL-DRO新范式：围绕学习密度模型的自适应场景生成

涉及实体

KL散度concept

相关事实

待验证最小化交叉熵等价于最小化真实分布与预测分布之间的 KL 散度73% 相似待验证全变差距离定义为两个分布在某事件上概率差的最大值，取值范围为0到1；0表示分布完全相同，1表示完全不重叠。72% 相似待验证两个均值不同但协方差相同的高斯分布之间的KL散度正比于均值差的平方，因此转移模型KL精度条件本质要求GP对漂移函数的估计误差在区域内一致地小。71% 相似待验证残差分布的定义为：对目标模型概率p(x)大于草稿模型概率q(x)的token，其残差概率正比于max(0, p(x) - q(x))71% 相似待验证二项分布的方差为Np(1-p)，在p=0.5时达到最大值69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1115653

API

curl https://kongchang.com/api/v1/knowledge/claims/1115653

MCP

get_claim(id=1115653)