Unverified50% confidenceFactExact time

对于类别策略，随着输出分布变得越来越尖锐，其期望的 score-gradient 范数会趋近于零，使得自信但错误的 token 得到的更新最微弱

1

Sources

50%

Confidence

Long-term

Relevance

9/25/2026

First Seen

Sources

DEEPO：双熵增强策略优化，破解多模态大模型幻觉难题

Related Entities

类别策略concept

Related Claims

Unverified评估的核心是打分，通常用0到1的连续值表达结果的好坏程度74% similar Unverified当所有商家评分集中在4.5-4.9的狭窄区间时，评分系统的信息熵急剧下降，用户从评分中获得的有效决策信息趋近于零73% similar Unverified推测解码中当草稿通过率低于50%时，实际加速效果会大打折扣甚至产生负优化73% similar Unverified调用已有Skill消耗的Token远少于从零生成，且成功率因反复迭代而提升72% similar Unverified真实训练出的模型中权重分布往往不均匀，大量权重趋向于0，形成天然稀疏性71% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/949035

API

curl https://kongchang.com/api/v1/knowledge/claims/949035

MCP

get_claim(id=949035)