待验证50% 置信事实精确时间

CVaR_α衡量随机变量在最坏的(1-α)比例情形下的平均损失，当α→1时退化为期望值，当α→0时趋近于最坏情况成本

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

风险规避的在线POMDP规划：基于即时成本CVaR的新方法

涉及实体

相关事实

待验证贝叶斯最优分类器在0-1损失下等价于选择后验概率最大的类别，回归问题中条件期望在平方损失下是最优预测73% 相似待验证线性回归的最小二乘损失与逻辑回归的交叉熵损失分别对应高斯噪声假设与伯努利分布假设下的最大似然估计69% 相似已验证AUC等于从所有正样本中随机抽取一个、从所有负样本中随机抽取一个，正样本的预测分数高于负样本预测分数的概率69% 相似待验证负载均衡损失使用所有专家选择频率的平方和L=ΣFi²，由柯西不等式可知当所有Fi=1/N时损失最小68% 相似待验证困惑度是测试集上每个token平均负对数似然的指数，值越低代表模型对语料的预测越准确68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961045

API

curl https://kongchang.com/api/v1/knowledge/claims/961045

MCP

get_claim(id=961045)