待验证50% 置信事实精确时间
Rao-Blackwellization 是一种方差缩减技术，用辅助变量关于充分统计量的条件期望代替原估计量，可以在不引入偏差的前提下降低方差。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证SIRS 利用模型前向返回的块内所有剩余 token 的条件分布，对增量做 Rao-Blackwellization，在不需要额外查询的前提下降低估计方差。69% 相似待验证Ledoit-Wolf收缩是偏差-方差权衡的应用，引入适度偏差来大幅降低估计方差从而使总体估计误差最小化68% 相似待验证高方差过拟合应通过正则化、减少特征、增加数据来缓解；数据本身波动大则应改用区间预测63% 相似待验证正则化方法（如L1/L2正则化、Dropout、早停法）本质上是通过引入少量偏差来大幅降低方差，从而提升泛化能力60% 相似待验证对MoE模型的量化需要格外谨慎，因稀疏激活使专家参数数值分布集中，低比特量化易造成路由偏差导致能力退化60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042104API
curl https://kongchang.com/api/v1/knowledge/claims/1042104MCP
get_claim(id=1042104)