待验证50% 置信事实精确时间
KLD衡量的是相对熵，即用量化模型分布编码原始模型输出时额外需要的比特数，因此单位是比特/Token。
1
来源数
50%
置信度
长期有效
时效性
2026/10/24
首次发现
来源
涉及实体
相关事实
待验证KLD（KL散度）衡量两个概率分布之间的差异，公式为 D_KL(P||Q)=∑_x P(x)log(P(x)/Q(x))。71% 相似待验证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70% 相似待验证信息论中的熵与KL散度是理解损失函数设计和生成模型（如VAE、扩散模型）的重要基础67% 相似部分验证信息论中熵H(p)衡量概率分布p的不确定性，等价于对来自该分布的信息进行最优编码所需的平均比特数66% 相似待验证SFDA依靠模型内部知识（如批归一化统计量、熵最小化、伪标签自监督）完成适配64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1094693API
curl https://kongchang.com/api/v1/knowledge/claims/1094693MCP
get_claim(id=1094693)