待验证50% 置信事实精确时间
采样遗憾被定义为学习器分布与Gibbs目标分布之间温度归一化的累积KL散度，对应熵正则化奖励最大化中的次优性差距。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
倾斜采样问题：乐观采样与后验采样实现对数遗憾
rss2026/10/15
涉及实体
相关事实
待验证信息论对比目标通常指以 KL 散度或交叉熵等度量分布差异的损失函数，NatScale 将校准后的权重作为这些目标中的误差惩罚系数。74% 相似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70% 相似已验证交叉熵损失起源于信息论中的KL散度，衡量真实概率分布与预测概率分布之间的差异程度68% 相似待验证监督学习本质上是函数逼近问题，通过最小化损失函数实现，常见损失函数包括回归任务的均方误差（MSE）和分类任务的交叉熵（Cross Entropy）68% 相似待验证排查SAC训练崩溃应监控策略熵和α变化曲线，若熵持续下降至接近零说明探索消亡，可固定α为较大常数或重设目标熵为-action_dim68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042175API
curl https://kongchang.com/api/v1/knowledge/claims/1042175MCP
get_claim(id=1042175)