Unverified50% confidenceFactExact time
VRM主张在每个样本点周围定义一个邻域分布，并在该邻域上计算期望损失，是对经验风险最小化（ERM）框架的扩展
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
UnverifiedERM假设训练样本点本身是风险积分的离散近似，而VRM主张在每个样本点周围定义邻域分布并在该邻域上计算期望损失84% similarUnverifiedDFL（Distribution Focal Loss）将边界框位置建模为离散概率分布，通过预测分布的期望值推断坐标64% similarUnverified将分散损失与知识蒸馏结合，用大模型的嵌入分布特性作为分散约束的参考目标，是一个潜在的研究方向60% similarUnverifiedLLM可通过分析输出token的对数概率分布、思维链末尾自我评估、温度采样统计答案分布熵值等手段近似估计决策置信度60% similarUnverifiedLLM成本优化体系可分为模型层、提示层、推理层、流量层，语义缓存属于流量层优化59% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/520680API
curl https://kongchang.com/api/v1/knowledge/claims/520680MCP
get_claim(id=520680)