Unverified50% confidenceBenchmarkExact time
蒙特卡洛Dropout熵作为替代指标，在全部八个测试事件中都成功捕捉到了分布偏移
1
Sources
50%
Confidence
Long-term
Relevance
10/8/2026
First Seen
Sources
Related Entities
Related Claims
Unverified由于非确定性存在，同一个Eval应运行6到10次以观察正确率分布区间并计算标准差与误差65% similarUnverified使用恒定熵奖励时网络在6次运行中有5次卡在次优解，将熵系数在前1万次尝试中从0.1退火到0.005后卡住情况降到6次里只有1次64% similarUnverified假设数据服从伯努利或多项分布，最大化似然等价于最小化交叉熵损失函数64% similarUnverified实验采用8:2比例划分数据，20%作为内部测试集，训练集内部使用5折交叉验证，并移除重复记录以避免数据泄漏63% similarUnverified当不动动作占据80%以上帧时，模型通过最小化交叉熵损失可在不学习有意义特征的情况下达到80%准确率，这称为多数类捷径63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/986744API
curl https://kongchang.com/api/v1/knowledge/claims/986744MCP
get_claim(id=986744)