待验证50% 置信事实精确时间
Stieltjes-Wigert 多项式带有 log-normal（对数正态）权重结构以及一个可学习的 q 参数
1
来源数
50%
置信度
长期有效
时效性
2026/10/4
首次发现
来源
涉及实体
相关事实
待验证对'过度思考标记词'施加 logit 惩罚可以提升 Qwen 模型在数学推理任务上的准确率59% 相似待验证魏尔斯特拉斯极值定理保证连续函数在紧集上必取最值58% 相似待验证Q-learning、DQN 等算法本质上都是在近似求解贝尔曼最优方程58% 相似待验证策略梯度定理证明梯度可表示为∇J(θ) = E[∇log π(a|s;θ) · Q^π(s,a)]，使用log-derivative trick将对概率分布的求导转化为对log概率的求导乘以采样值58% 相似待验证逻辑回归假设对数几率（log-odds）是特征的线性组合，通过 sigmoid 映射到概率空间，并以交叉熵（对数似然）作为目标函数58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/971802API
curl https://kongchang.com/api/v1/knowledge/claims/971802MCP
get_claim(id=971802)