待验证50% 置信观点精确时间
BCSM的优化几何更关注相对排序而非绝对概率，有助于学生在教师截断之外探索合理输出。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证反向KL散度倾向于让学生聚焦到教师的少数高概率模式上（mode-seeking），在教师因携带Reminder而拥有更尖锐、更可信的分布时，更适合作为失败rollout的纠偏目标。72% 相似待验证基于token概率的监督（如KL散度）虽然简单，但教师输出的概率分布往往只反映决策边界附近的相对偏好，对内部丰富的语义表示利用不足。70% 相似待验证SDPO的直接匹配自教师分布策略在正确rollout上可能破坏已有的成功行为。66% 相似待验证在结构学习任务中，精心设计的方向可控的估计偏差有时比追求无偏或一致小误差更有用66% 相似待验证与传统的Chernoff界相比，下注方法不依赖于预先知道的方差或尾部分布参数，从数据中自适应地学习，产生的边界通常更紧且天然满足随时有效性。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1133926API
curl https://kongchang.com/api/v1/knowledge/claims/1133926MCP
get_claim(id=1133926)