待验证50% 置信决策规则精确时间

如果交叉熵稳步下降而Dice波动剧烈，问题几乎可以确定出在Dice损失的配置上

1

来源数

50%

置信度

长期有效

时效性

2026/8/6

首次发现

来源

训练时Dice评估指标周期性剧烈波动的原因与解决方案

相关事实

已验证交叉熵损失起源于信息论中的KL散度，衡量真实概率分布与预测概率分布之间的差异程度74% 相似待验证标准交叉熵损失在目标占图像面积较小时会导致严重的类别不平衡问题，模型倾向于全部预测为背景72% 相似待验证交叉熵损失在分类任务中往往比MSE收敛更快，因为它与softmax输出配合，梯度不会在饱和区消失70% 相似待验证逻辑回归中的交叉熵损失如果直接对 log(0) 求值会产生负无穷，需要加入极小的 epsilon 值或使用 log-sum-exp 技巧69% 相似待验证Santurkar等人2018年的研究指出BN的真正作用可能在于平滑损失曲面而非减少内部协变量偏移69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/692752

API

curl https://kongchang.com/api/v1/knowledge/claims/692752

MCP

get_claim(id=692752)