待验证50% 置信事实精确时间
模型采用二元交叉熵损失，对照oracle抽取标签进行端到端训练
1
来源数
50%
置信度
长期有效
时效性
2026/9/15
首次发现
来源
涉及实体
相关事实
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73% 相似待验证交叉熵损失是分类任务中最常用的损失函数，其根源在信息论，衡量模型预测概率分布与真实分布之间的距离70% 相似待验证交叉熵恢复率通过将SAE重建激活替代原始激活输入到模型后续层比较交叉熵损失变化来计算，衡量SAE是否保留对下游计算重要的信息68% 相似待验证预训练的目标函数通常是因果语言建模中的交叉熵损失，即给定前文所有token最大化正确预测下一个token的概率67% 相似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65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/921877API
curl https://kongchang.com/api/v1/knowledge/claims/921877MCP
get_claim(id=921877)