待验证50% 置信事实精确时间
对于softmax输出层，交叉熵对单层模型而言是严格凸函数
1
来源数
50%
置信度
长期有效
时效性
2026/8/7
首次发现
来源
相关事实
待验证交叉熵损失函数鼓励模型将正确类别的logit推向无穷大，导致深度网络预测过于确定62% 相似待验证逻辑回归的参数通过最大化对数似然函数（等价于最小化交叉熵损失）来估计61% 相似待验证语义熵方法在技术实现上通过多次采样获得候选回答、使用NLI模型判断语义等价性聚类、最后计算语义类别上的熵值60% 相似待验证二分类交叉熵损失公式为 -[y·log(p) + (1-y)·log(1-p)]，其中y是真实标签，p是模型预测的正类概率60% 相似待验证熵能够完整捕捉概率分布的所有阶矩信息，而方差只能捕捉线性、二阶的统计关系；互信息能度量包括非线性在内的总依赖关系，比Pearson相关系数更通用59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/699328API
curl https://kongchang.com/api/v1/knowledge/claims/699328MCP
get_claim(id=699328)