待验证50% 置信事实精确时间

KL散度定义为D_KL(P||Q)=∫log(dP/dQ)dP，反向KL散度交换P和Q的位置即D_KL(Q||P)。

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

重尾分布下的McDiarmid不等式新突破：反向KL张量化

rss2026/10/15

涉及实体

KL散度concept 反向KL散度concept

相关事实

待验证前向KL散度D(p||q)倾向于让q覆盖p的所有可能性（mode-covering），是变分推断和监督学习中最常用的形式70% 相似待验证反向KL散度D(q||p)倾向于让q集中在p的单个峰值上（mode-seeking），常用于生成模型训练67% 相似待验证反向KL散度是模式寻找的，前向KL散度是均值寻找的66% 相似待验证调度平均散度是先算每个调度下的KL散度再取期望，即E_U D_KL(p||q_U)65% 相似待验证Q4_K_M中的K代表K-quants方法，是由llama.cpp社区开发的改进量化策略，对模型不同层使用差异化精度65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1046105

API

curl https://kongchang.com/api/v1/knowledge/claims/1046105

MCP

get_claim(id=1046105)