待验证50% 置信事实精确时间
KL 正则化是指在优化目标中加入与参考策略的 KL 散度惩罚项，形式通常为 -β·KL(π||π_ref)，用以约束新策略不要偏离初始模型太远。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
KAPPO：用@k优化控制LLM后训练中的锐化效应
rss2026/11/2
涉及实体
相关事实
待验证研究者提出了 @k Adaptive Pressure for Policy Optimization（KAPPO），其工作流程包括一次性的参考校准，之后通过提示自适应正则化或奖励变换把现有 @1 方法适配到 @k。71% 相似待验证K-means对初始簇中心敏感，K-means++通过概率化初始化缓解这一问题71% 相似待验证反向KL散度是模式寻找的，前向KL散度是均值寻找的70% 相似待验证K-means 是一种无监督学习算法，通过反复迭代初始化质心、将数据点归入最近质心、重新计算组均值作为新质心，直到质心不再显著移动69% 相似待验证Renyi 散度是 KL 散度的推广，可通过调节阶数参数控制对分布尾部或峰值的敏感程度69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130871API
curl https://kongchang.com/api/v1/knowledge/claims/1130871MCP
get_claim(id=1130871)