待验证50% 置信事实精确时间
假设数据服从高斯分布，最大化似然等价于最小化均方误差
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
机器学习核心概念深度解析：那些让人豁然开朗的顿悟时刻
redditr/learnmachinelearning2026/7/11
相关事实
待验证假设数据服从伯努利或多项分布，最大化似然等价于最小化交叉熵损失函数80% 相似待验证均匀量化引入的误差近似服从均匀分布，其方差为Δ²/12（Δ为量化步长）71% 相似待验证当大量用户使用相似prompt调用同一底层模型时，因底层权重和概率分布一致，输出的趋同几乎是数学上的必然71% 相似待验证对于参数量有限的小模型，数据质量对最终性能的影响甚至超过数据量本身70% 相似待验证标准化提取比例数字越高（如10:1、20:1）代表浓缩倍数越大，但高浓缩可能损失协同性次要成分（entourage effect），全谱提取物（full-spectrum）活性更接近原植物但含量标注模糊，二者需权衡70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/494151API
curl https://kongchang.com/api/v1/knowledge/claims/494151MCP
get_claim(id=494151)