待验证50% 置信事实精确时间
将得分估计误差传播为路径分布 KL 散度的关键工具是 Girsanov 定理与 Fokker-Planck 方程，含跳跃过程还需引入补偿泊松随机测度
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证卡尔曼类方法假设状态和观测误差均服从高斯分布，在线性系统中表现优异，但面对高维非高斯问题时精度下降68% 相似待验证去卷积问题在频域中可表述为除法运算，其难度取决于误差分布特征函数的衰减速率65% 相似待验证在分数积分后度量预测误差时，从长度为 L 的有限上下文做预测存在一个精确的 1/L 领先阶误差64% 相似待验证论文在mxfp路线上引入了行梯度随机舍入技术，在梯度量化时采用随机舍入以缓解低精度偏差累积63% 相似待验证提升理论（Boosting Theory）由Schapire和Freund提出，保证只要每个弱学习器的准确率略高于随机猜测，组合后的错误率会随迭代轮数指数级下降63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/987010API
curl https://kongchang.com/api/v1/knowledge/claims/987010MCP
get_claim(id=987010)