Unverified50% confidenceFactExact time
语义熵方法在技术实现上通过多次采样获得候选回答、使用NLI模型判断语义等价性聚类、最后计算语义类别上的熵值
1
Sources
50%
Confidence
Long-term
Relevance
8/6/2026
First Seen
Sources
Related Claims
Unverified困惑度概念源自信息论中的熵（Shannon Entropy），本质上是语言模型每步预测的平均分支因子79% similarUnverified逻辑回归的参数通过最大化对数似然函数（等价于最小化交叉熵损失）来估计72% 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70% similarUnverifiedMemGAS使用熵路由器（Entropy Router）根据查询在不同粒度上相似度分布的熵值来自适应选择最优记忆粒度70% similarUnverified一位Reddit用户发布了一系列机器学习自学笔记，系统地追溯了从信息论中的熵、经过KL散度、到达交叉熵、最终解释逻辑回归损失函数命名来源的完整逻辑链67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/695813API
curl https://kongchang.com/api/v1/knowledge/claims/695813MCP
get_claim(id=695813)