待验证50% 置信事实精确时间
KLD与下游benchmark表现之间并非线性关系：当KLD低于某一量级时，下游指标几乎不受影响；只有KLD显著升高时，任务性能才开始明显下降。
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
待验证该测试采用KL散度（KLD）作为客观量化指标，衡量量化后输出分布与BF16参考分布的偏离程度，KLD越低说明量化造成的信息损失越小72% 相似待验证KLD对分布尾部敏感：量化模型只要在低概率token上给出极低概率，就会显著拉高KLD，即使这些token对生成质量影响甚微。71% 相似待验证Top-K路由中K值的选择影响计算效率与表现能力之间的权衡，K越小推理越快但可能损失表达能力，实践中K通常取1或268% 相似待验证MIT模式下Kp过高易引发高频振荡，Kp过低则跟踪滞后、重力下垂明显。68% 相似待验证KronLSTM在取得实验结果的同时并未引入复杂的稳定化组件，降低了工程实现负担。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1094700API
curl https://kongchang.com/api/v1/knowledge/claims/1094700MCP
get_claim(id=1094700)