待验证50% 置信事实精确时间

当位置间存在条件依赖时，乘积分布与真实联合分布的KL散度严格大于零，且依赖越强、写入位置越多，KL散度越大

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

离散扩散模型的置信度困境：为何并行生成会偏离真实分布

涉及实体

KL散度concept

相关事实

待验证Top-K路由中K值的选择影响计算效率与表现能力之间的权衡，K越小推理越快但可能损失表达能力，实践中K通常取1或271% 相似待验证分布偏移意味着训练集与测试集之间的KL散度不为零，即两个分布之间存在可度量的信息差距70% 相似待验证从KL散度角度看，每一代合成数据与真实分布之间的散度都在单调递增，且误差会在迭代中累积67% 相似待验证Top-K的K值存在经典权衡：K太小会漏掉关键信息，K太大会引入噪声导致大模型答案跑偏67% 相似待验证K-quants 的核心思想是不同层对精度的敏感度不同，输出层和嵌入层通常保留更高位宽，而中间前馈层权重压缩更激进67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/968474

API

curl https://kongchang.com/api/v1/knowledge/claims/968474

MCP

get_claim(id=968474)