待验证50% 置信事实精确时间

标准的交叉熵损失函数在优化过程中天然偏好高频模式，这种现象在NLP中被称为频率偏差（frequency bias）

1

来源数

50%

置信度

长期有效

时效性

2026/9/3

首次发现

来源

LLM把真实新闻误判为虚假信息：AI认知边界的深层剖析

涉及实体

频率偏差concept 交叉熵损失函数concept

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70% 相似待验证模型学到的概率分布天然偏向高频事件和常见模式，对长尾事件存在系统性低估65% 相似待验证扩散模型通过逐步去噪的生成机制产生的频域异常比GAN更微弱且分布不规律，使传统基于频域分析或GAN指纹的检测方法效果大打折扣64% 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64% 相似待验证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63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/851602

API

curl https://kongchang.com/api/v1/knowledge/claims/851602

MCP

get_claim(id=851602)