待验证50% 置信事实精确时间
在自训练中,训练温度影响数据生成时的采样分布:温度 T 通过 p_i ∝ exp(z_i/T) 调整模型输出概率,T>1 使分布更平坦,T<1 使分布更尖锐。
1
来源数
50%
置信度
长期有效
时效性
2026/11/9
首次发现
来源
涉及实体
相关事实
待验证完整训练目标为 L = α·L_CE(y, p_s) + (1-α)·T²·L_KL(p_t^T, p_s^T),其中T²是温度缩放带来的梯度修正因子77% 相似已验证标准的分割保形预测流程中,模型先在训练集上训练,再在独立校准集上计算每个样本的非符合性分数,阈值取为这些分数的特定分位数64% 相似已验证参数量相似的情况下,训练数据质量分布的差异往往比架构差异更能决定特定场景的表现上限64% 相似待验证总体训练过程会先校准标签分数与特征分数的相对关系,随后以t^(1/4)的速度增大注意力尺度,使总体层面阈值误差以O(t^(-1/4))的速率收敛63% 相似待验证对于使用学习率调度器的DPO训练流程,峰值学习率与预热步数也需要随模型规模相应调整。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1149952API
curl https://kongchang.com/api/v1/knowledge/claims/1149952MCP
get_claim(id=1149952)