待验证50% 置信事实精确时间

DCKV的熵模型以提示词元和已解码的相邻位置为条件，解码过程是自回归的。

1

来源数

50%

置信度

长期有效

时效性

2026/10/28

首次发现

来源

DCKV：端到端学习的KV缓存编解码器，压缩超百倍

涉及实体

相关事实

待验证DCKV是一种可微分的KV缓存编解码器，首次实现端到端训练，将变换、量化器和熵模型与冻结的语言模型联合优化。72% 相似待验证语义熵成功恢复了一个可用的置信度信号，弥补了token级熵在SLM上的盲区67% 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65% 相似已验证语义熵方法在技术实现上通过多次采样获得候选回答、使用NLI模型判断语义等价性聚类、最后计算语义类别上的熵值65% 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/1106216

API

curl https://kongchang.com/api/v1/knowledge/claims/1106216

MCP

get_claim(id=1106216)