待验证50% 置信事实精确时间

基于Fisher加权的合并方法（如Fisher Merging）给对输出分布贡献更大的参数赋予更高权重，而非对所有参数等权平均，其计算通常依赖少量校准数据

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

模型合并与知识蒸馏有何关联？参数空间与输出分布的桥梁探讨

涉及实体

Fisher Mergingconcept

相关事实

待验证Fisher信息矩阵度量模型参数对输出分布的敏感程度，某个参数的Fisher值越高，改变它对输出的影响就越大70% 相似待验证Ultra模式通过推理时计算资源的差异化分配（更长推理链、更多验证步骤或更高采样参数）产生不同质量层次的输出63% 相似已验证推理时计算在模型参数固定的前提下，通过在推理阶段投入更多计算资源来改善输出质量63% 相似待验证在数据充足、算力允许的前提下，构建足够大的过参数化模型配合合适正则化策略，往往能获得比中等规模模型更好的效果61% 相似待验证归一化流通过可逆变换能够利用变量替换公式精确计算数据的对数似然，实现精确的密度估计而非近似推断61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/984968

API

curl https://kongchang.com/api/v1/knowledge/claims/984968

MCP

get_claim(id=984968)