待验证50% 置信事实精确时间
软交叉熵损失函数为 -∑ p_i log q_i，其中 p_i 是目标分布、q_i 是模型输出分布。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
待验证二分类交叉熵损失公式为 -[y·log(p) + (1-y)·log(1-p)]，其中y是真实标签，p是模型预测的正类概率74% 相似待验证困惑度定义为 PPL = 2^{H(p,q)}，其中H(p,q)是模型分布相对真实分布的交叉熵，任何模型的困惑度都无法低于语言真实熵率对应的值66% 相似待验证交叉熵损失是分类任务中最常用的损失函数，其根源在信息论，衡量模型预测概率分布与真实分布之间的距离65% 相似待验证协变量漂移指特征分布 P(X) 在来源与目标之间不一致，模型漂移涉及条件分布 P(Y|X) 的偏移64% 相似待验证对于softmax输出层，交叉熵对单层模型而言是严格凸函数62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125170API
curl https://kongchang.com/api/v1/knowledge/claims/1125170MCP
get_claim(id=1125170)