待验证50% 置信事实精确时间

KL散度是非对称的，D_KL(p||q) ≠ D_KL(q||p)，且非负，当且仅当两分布完全相同时取零

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

并行采样的轮数复杂度分离：混合前后的KL散度之差

涉及实体

KL散度concept

相关事实

部分验证KL散度具有非对称性，即D(p,q) ≠ D(q,p)80% 相似待验证KL散度是非对称的，P相对于Q的KL散度与Q相对于P的KL散度不相等79% 相似待验证KL 散度数学定义为 D_KL(P||Q) = Σ P(x) log(P(x)/Q(x))，用于衡量两个概率分布的差异程度74% 相似待验证卡尔曼增益 K = PH^T(HPH^T + R)^{-1}，当R趋近零时K趋近H^{-1}，当P趋近零时K趋近零72% 相似待验证JS散度是KL散度的对称化版本，结果始终有界在[0, ln2]之间，规避了KL散度的不对称性和支撑集不重叠时趋向无穷的缺陷66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002146

API

curl https://kongchang.com/api/v1/knowledge/claims/1002146

MCP

get_claim(id=1002146)