待验证50% 置信解决方案精确时间
IDM通过固定的物品到编码的映射关系，将学生模型各编码位置的概率组合成物品的联合概率，从而重建目录级的物品分布，并与教师模型的物品分布对齐。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
已验证知识蒸馏通过软标签传递教师模型输出的完整概率分布信息，起到隐式数据增强效果68% 相似待验证教师模型在物品空间输出概率分布，而学生模型在编码空间进行并行预测，两者空间不一致，无法直接对齐。66% 相似待验证在传统白盒蒸馏中学生模型可以直接访问教师模型输出层的完整概率分布（logits），而大语言模型商业API通常只返回最终生成文本或top-k的token概率66% 相似待验证IDM更擅长提升召回率，说明重建物品分布有助于模型覆盖更多相关物品；CMM在排序质量（NDCG）上表现更好，表明编码边际匹配能更精细地优化排序。66% 相似已验证离线蒸馏中训练数据由教师模型一次性生成并固定，学生模型在静态数据集上学习65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098102API
curl https://kongchang.com/api/v1/knowledge/claims/1098102MCP
get_claim(id=1098102)