Unverified50% confidenceFactExact time
生成式模型建模联合概率 P(x,y) 或数据分布 P(x)，判别式模型直接建模条件概率 P(y|x)，该区分最初由 Andrew Ng 和 Michael Jordan 在 2001 年的论文中系统比较
1
Sources
50%
Confidence
Long-term
Relevance
8/29/2026
First Seen
Sources
Related Entities
Related Claims
Unverified贝叶斯推断、最大似然估计、KL 散度等概率统计概念在现代生成模型（如 VAE、Diffusion Model）中广泛应用69% similarUnverified后验分布通过贝叶斯定理获得：p(θ|x)∝p(x|θ)·p(θ)，将先验知识与数据似然结合65% similarUnverified标准的 McNemar 检验假设比较的是两个确定性模型在单一固定测试集上的预测结果，而随机种子引入的是模型训练本身的变异性，这两种不确定性来源在概念上属于不同层次63% similarUnverifiedMTP通过在模型输出层增加多个预测头，使模型在一次前向传播中同时预测未来N个token的概率分布，可在不损失生成质量的前提下实现2-4倍推理加速63% 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62% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/816451API
curl https://kongchang.com/api/v1/knowledge/claims/816451MCP
get_claim(id=816451)