Unverified50% confidenceFactExact time
递归熵风险度量在每个时间步嵌套应用风险算子，满足时间一致性，因此可以直接与贝尔曼方程结合
1
Sources
50%
Confidence
Long-term
Relevance
10/7/2026
First Seen
Sources
Related Entities
Related Claims
Verified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73% similarUnverified语义熵成功恢复了一个可用的置信度信号，弥补了token级熵在SLM上的盲区69% similarUnverified熵能够完整捕捉概率分布的所有阶矩信息，而方差只能捕捉线性、二阶的统计关系；互信息能度量包括非线性在内的总依赖关系，比Pearson相关系数更通用69% similarUnverifiedMPE用条件概率和预测准确率来表述，与经典信息论方法（如互信息、超额熵）形成互补69% 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68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/983291API
curl https://kongchang.com/api/v1/knowledge/claims/983291MCP
get_claim(id=983291)