待验证50% 置信事实精确时间
FSPO在函数空间直接操作策略的输出分布（给定输入的next-token概率分布），避免参数对称性和优化路径复杂性，比参数空间对齐更直接稳定。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
FSPO：函数空间时序自蒸馏，让策略优化更稳更省
rss2026/10/14
涉及实体
相关事实
待验证函数贝叶斯优化（FBO）处理的变量存在于无限维函数空间中，而非有限维向量空间73% 相似待验证FSPO（Function-Space Policy Optimization）提出在训练过程中稀疏存储历史策略在特定输入下的next-token分布，作为固定的时间锚点目标，而非维护持续更新的教师模型。73% 相似待验证对于连续动作空间，PPO通常搭配高斯策略输出，网络同时预测动作均值与标准差62% 相似待验证Fyxer通过微调（Fine-tuning）让模型更贴合邮件分类、优先级判断和起草回复等垂直任务61% 相似待验证激活参数直接决定推理时的计算量（FLOPs）和理论延迟，而总参数量决定显存/内存占用。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037327API
curl https://kongchang.com/api/v1/knowledge/claims/1037327MCP
get_claim(id=1037327)