待验证50% 置信事实精确时间

数据分布本身的不确定性通过源熵（source entropy）衡量，可通过样本进行有限样本置信度下的下界估计

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

差分隐私的新视角：用信息论量化模型重构攻击下限

涉及实体

相关事实

待验证跨分词器蒸馏前应先测量熵保留率或概率质量对齐度以避免在错误目标上浪费算力73% 相似待验证香农提出的信息熵概念表明低概率事件携带更高的信息量73% 相似待验证现有缓存式TTA方法多依赖熵来决定样本是否进入缓存，但在表示发生漂移时熵值不能可靠反映样本质量。72% 相似待验证香农的信息熵公式为 H = -Σ p(x) log₂ p(x)，描述随机变量的平均不确定性72% 相似待验证从信息论角度看，LLM的输出熵相对较低，倾向于收敛到训练数据的高概率区域72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002268

API

curl https://kongchang.com/api/v1/knowledge/claims/1002268

MCP

get_claim(id=1002268)