待验证50% 置信事实精确时间
Hellinger 模对分布密度的平方根之差进行积分，相较于 KL 散度，它是有界的且在非参数估计的极小极大下界推导中往往能给出更紧的常数界。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
LLM测试时集成：双样本量与加权集成理论新解
rss2026/10/15
涉及实体
相关事实
待验证2-Wasserstein 距离相比 KL 散度对分布支撑集的几何形状更敏感，即使两个分布支撑集不重叠也能给出有意义的有限距离值79% 相似待验证当位置间存在条件依赖时，乘积分布与真实联合分布的KL散度严格大于零，且依赖越强、写入位置越多，KL散度越大70% 相似待验证玻恩规则的模平方天然非负，归一化后自动满足概率分布约束，无需像Softmax那样依赖指数函数来强制保证非负性69% 相似待验证共轭梯度法求解对称正定线性方程组时，收敛所需的迭代次数与矩阵的条件数密切相关，条件数越大收敛越慢68% 相似待验证Stein恒等式表明，对于在边界上足够快衰减的函数φ，当概率密度p(x)在R^d上足够光滑时，有E_p[∇_x log p(x)·φ(x) + ∇_x·φ(x)] = 0。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046168API
curl https://kongchang.com/api/v1/knowledge/claims/1046168MCP
get_claim(id=1046168)