待验证50% 置信事实精确时间

论文证明主导项 k/N 是必要的，不能被进一步去除或减小，表明 k 是刻画压缩学习风险的本质参数

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

压缩学习的风险估计达到大数定律收敛速率

涉及实体

复杂度量kconcept

相关事实

待验证Top-K的K值存在经典权衡：K太小会漏掉关键信息，K太大会引入噪声导致大模型答案跑偏70% 相似待验证Top-K路由中K值的选择影响计算效率与表现能力之间的权衡，K越小推理越快但可能损失表达能力，实践中K通常取1或269% 相似待验证复杂度量 k 定义为压缩集合的基数加上那些重建假设在其上表现不当的训练样本数量67% 相似待验证该测试采用KL散度（KLD）作为客观量化指标，衡量量化后输出分布与BF16参考分布的偏离程度，KLD越低说明量化造成的信息损失越小65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001354

API

curl https://kongchang.com/api/v1/knowledge/claims/1001354

MCP

get_claim(id=1001354)