待验证50% 置信事实精确时间
分位数损失相比 MSE 对异常值更鲁棒，并能隐式刻画预测误差的非对称性
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证使用像素级损失函数（L1+MSE）训练学生模型导致画面发灰、发平，像是所有可能结果的平均值，这是回归类损失在生成任务上的经典失败模式73% 相似待验证Huber损失在误差较小时表现为二次惩罚（与MSE一致），误差较大时退化为线性惩罚（与MAE一致），对异常值更鲁棒，常用于回归任务72% 相似待验证分位数损失相较 MSE 在所测试的各种骨干网络上都能带来稳定的整体性能提升71% 相似待验证DT-DRO推导出的有效模糊半径与决策风险保证会随着估计误差和近似误差的消失而收紧71% 相似待验证交叉熵损失在分类任务中往往比MSE收敛更快，因为它与softmax输出配合，梯度不会在饱和区消失71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1001916API
curl https://kongchang.com/api/v1/knowledge/claims/1001916MCP
get_claim(id=1001916)