待验证60% 置信事实精确时间
softmax操作在处理极端值时容易因精度不足产生数值溢出或下溢，这是早期FP8量化效果不理想的核心技术原因
2
来源数
60%
置信度
长期有效
时效性
2026/7/11
首次发现
来源
Krea2实测：FP8与BF16画质差距还存在吗？
redditr/StableDiffusion2026/7/9
相关事实
待验证计算 softmax 函数时指数运算可能导致浮点数溢出，标准做法是先减去输入向量的最大值再取指数79% 相似待验证Softmax涉及指数运算、逐行归一化以及全局依赖，难以并行化和量化，在长序列场景下尤其消耗资源78% 相似待验证Softmax输出的概率值并不等同于真实的贝叶斯后验概率，而是被过度优化以拉开类别间距，导致预测概率系统性偏高77% 相似待验证Softmax函数具有平移不变性，任意放大所有logit的尺度不改变预测类别，却会将输出概率压向极端值，是其天然的过度自信倾向72% 相似待验证低比特表示会显著放大权重分布中的异常值影响，SmoothQuant通过迁移量化难度、SpQR通过对异常值单独保留高精度来解决这一问题70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/475413API
curl https://kongchang.com/api/v1/knowledge/claims/475413MCP
get_claim(id=475413)