待验证50% 置信基准精确时间

蒙特卡洛Dropout熵作为替代指标，在全部八个测试事件中都成功捕捉到了分布偏移

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

Prithvi作物分类大模型跨洲迁移实测：物候错配才是精度崩盘元凶

涉及实体

蒙特卡洛Dropoutconcept

相关事实

待验证由于非确定性存在，同一个Eval应运行6到10次以观察正确率分布区间并计算标准差与误差65% 相似待验证使用恒定熵奖励时网络在6次运行中有5次卡在次优解，将熵系数在前1万次尝试中从0.1退火到0.005后卡住情况降到6次里只有1次64% 相似待验证假设数据服从伯努利或多项分布，最大化似然等价于最小化交叉熵损失函数64% 相似待验证实验采用8:2比例划分数据，20%作为内部测试集，训练集内部使用5折交叉验证，并移除重复记录以避免数据泄漏63% 相似待验证当不动动作占据80%以上帧时，模型通过最小化交叉熵损失可在不学习有意义特征的情况下达到80%准确率，这称为多数类捷径63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986744

API

curl https://kongchang.com/api/v1/knowledge/claims/986744

MCP

get_claim(id=986744)