Unverified50% confidenceFactExact time
生成式模型建模联合概率 P(x,y) 或数据分布 P(x)，而判别式模型直接建模条件概率 P(y|x)；生成模型在小样本时更具优势，判别模型在大数据量时通常表现更好
1
Sources
50%
Confidence
Long-term
Relevance
8/29/2026
First Seen
Sources
Related Entities
Related Claims
Unverified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80% similarUnverifiedPrompt本质上是模型的'条件'，条件越精确，模型的概率分布就越集中在用户期望的输出上，而不是分散在各个方向。78% similarUnverified生成模型在小样本时更具优势，判别模型在大数据量时通常表现更好72% 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72% 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71% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/817173API
curl https://kongchang.com/api/v1/knowledge/claims/817173MCP
get_claim(id=817173)