待验证50% 置信事实精确时间
KL(P||Q)衡量的是用Q来编码来自P的样本时平均需要多付出多少比特的信息量。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
待验证推测解码中若draft模型每位置准确率为p,生成k个候选token时期望接受的token数为p*(1-p^k)/(1-p)71% 相似待验证KLD（KL散度）衡量两个概率分布之间的差异，公式为 D_KL(P||Q)=∑_x P(x)log(P(x)/Q(x))。68% 相似待验证注意力计算流程为：Q向量与所有前置Token的K向量做点积得到相关性分数，经Softmax归一化后对V向量加权求和，再施加线性变换输出67% 相似待验证调度平均散度是先算每个调度下的KL散度再取期望，即E_U D_KL(p||q_U)66% 相似待验证LLM推理吞吐通常以token数为单位衡量（tokens/s），而非请求数（QPS）65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1133042API
curl https://kongchang.com/api/v1/knowledge/claims/1133042MCP
get_claim(id=1133042)