待验证50% 置信事实精确时间
KL散度是衡量两个概率分布差异的非对称指标，在强化学习中被用来约束新旧策略的偏离程度（如PPO的trust region）。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
跨界面一致性训练：让LLM Agent更鲁棒的新方法
rss2026/10/14
涉及实体
相关事实
待验证KL 散度用于比较微调后模型与原始模型在相同输入下的输出概率分布差异，数值越大表示偏离越严重，0.0244 的 KLD 意味着微调几乎没有改变模型的整体行为分布74% 相似待验证KL 散度和 PSI（群体稳定性指标）等统计量常用于度量批量数据的分布偏移，但难以直接套用于 Agent 序列化、带上下文的行为。71% 相似待验证Renyi 散度是 KL 散度的推广，可通过调节阶数参数控制对分布尾部或峰值的敏感程度68% 相似待验证研究量化了真实离散观测路径分布与模型生成路径分布之间的 KL 散度界限，保证得分估计足够准确时生成路径统计规律逼近真实过程65% 相似待验证PPO与RLCD两套方案都试图脱离自回归范式、用强化学习产出结构化的概率或置信度输出65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037950API
curl https://kongchang.com/api/v1/knowledge/claims/1037950MCP
get_claim(id=1037950)