Unverified50% confidenceFactExact time
贝叶斯最优分类器在0-1损失下等价于选择后验概率最大的类别，回归问题中条件期望在平方损失下是最优预测
1
Sources
50%
Confidence
Long-term
Relevance
8/6/2026
First Seen
Sources
Related Claims
Unverified绝大多数常见损失函数都可以从最大似然估计推导出来74% similarUnverified困惑度是测试集上每个token平均负对数似然的指数，值越低代表模型对语料的预测越准确70% similarUnverifiedInfoNCE 损失通过在一批候选中最大化正样本对相似度、最小化负样本对相似度进行训练，温度超参数τ越小分布越集中69% similarUnverified经过良好校准的FP8推理，模型输出质量损失通常可控制在1%以内69% similarUnverified线性回归的最小二乘损失与逻辑回归的交叉熵损失分别对应高斯噪声假设与伯努利分布假设下的最大似然估计67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/699161API
curl https://kongchang.com/api/v1/knowledge/claims/699161MCP
get_claim(id=699161)