PRZEWODNIK techniczny

Dywergencja KL

Rozbieżność Kullbacka-Leiblera (KL) mierzy oczekiwany dodatkowy koszt informacji wynikający z wykorzystania jednego rozkładu prawdopodobieństwa do przedstawienia innego.

Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~3 min

Na tej stronie3 minuty czytania
  1. Przegląd
  2. Głębokie nurkowanie
  3. Implementacja w świecie rzeczywistym
  4. Przyszłość rozbieżności KL
  5. Wdrażanie tego w praktykę
  6. Odkrywaj dalej
  7. Często zadawane pytania

Przegląd

Jest nieujemny, ale asymetryczny, więc zamiana rozkładów odniesienia i porównania generalnie zmienia wynik i może zmienić wybór modelu, który wydaje się preferowany.

Głębokie nurkowanie

For discrete distributions p and q over the same outcomes, KL divergence is D_KL(p||q) = sum over outcomes p(x) log(p(x)/q(x)). It compares q with a reference p, weighting each log ratio by how often the outcome occurs under p. In information theory, it can be interpreted as expected extra coding cost when a code is optimized for q but the true distribution is p. The log base sets the unit: natural logarithms yield nats and base two yields bits. KL divergence is nonnegative and equals zero when the distributions match on outcomes with positive probability under p, subject to support considerations. It is asymmetric: D_KL(p||q) is generally not D_KL(q||p). This makes it unsuitable as a conventional geometric distance. The direction matters in applications such as variational inference, where one distribution is treated as a target and another as an approximation. In the fair-versus-biased coin example, p=(0.5,0.5) and q=(0.9,0.1). The bit-valued contributions are 0.5 log2(0.5/0.9), about -0.424, and 0.5 log2(0.5/0.1), about 1.161. Their sum is about 0.737 bits. Negative individual terms are allowed even though the total divergence is nonnegative. Reversing p and q produces a different value because the weights also change. Support mismatches matter. If p assigns positive probability to an outcome where q assigns zero, the corresponding forward divergence is infinite. If both assign zero, that outcome contributes zero by convention in the discrete sum. For continuous distributions, KL is written as an integral of the log density ratio under P; finiteness requires P to be absolutely continuous with respect to Q. SciPy's entropy function computes Shannon entropy with one distribution and relative entropy when q is provided; check input normalization and direction. KL is useful for comparing distributions, but it does not by itself say whether a model is useful for a downstream decision.

Implementacja w świecie rzeczywistym

Hipotetyczny sprawiedliwy rozkład monet p=(0,5,0,5) porównuje się z q=(0,9,0,1). W bitach D_KL(p||q)=0,5 log2(0,5/0,9)+0,5 log2(0,5/0,1), około 0,737 bitów.

Model języka jest szkolony w celu minimalizacji KL od docelowej dystrybucji tokenów do przewidywanej dystrybucji. Jeśli przewidywane prawdopodobieństwo zdarzenia docelowego wynosi zero, koszt KL w przód może stać się nieskończony, co wymaga starannego wygładzenia lub wsparcia modelu.

Badacz porównuje D_KL(p||q) z D_KL(q||p) dla dwóch rozkładów i znajduje różne wartości. Asymetria oznacza, że ​​metryka nie jest zwykłą odległością i nie ma ogólnej nierówności trójkąta.

Analityk używa scipy.stats.entropy(pk, qk) i potwierdza, który argument reprezentuje rozkład docelowy, ponieważ kierunek względnej entropii interfejsu API jest zgodny z pk względem qk.

Przyszłość rozbieżności KL

Porównania rozkładów będą łatwiejsze do interpretacji, gdy raporty podają, która dystrybucja jest odniesieniem, podstawą dziennika i sposobem obsługi zdarzeń o zerowym prawdopodobieństwie. W szkoleniu modelowym zespoły powinny powiązać kierunek KL z pożądanym zachowaniem: uwzględnienie wszystkich trybów docelowych różni się od skoncentrowania przybliżenia w pobliżu trybu dominującego. Oceniaj dalsze decyzje, a także wartości rozbieżności, ponieważ niewielkie niedopasowanie dystrybucji samo w sobie nie jest gwarancją praktycznej użyteczności. Przyszłe potoki mogą obejmować kontrole obsługi i czułość na wygładzanie, dzięki czemu numeryczne przypadki brzegowe będą widoczne, a nie po cichu zmieniając prawdopodobieństwa.

Wdrażanie tego w praktykę

Dlaczego to ma znaczenie

  • Koszt i budżet. Decyzje dotyczące architektury wpływają na wydajność i koszty operacyjne przez lata.
  • Jaśniejsze decyzje. Edukacja techniczna pomaga zespołom wybrać odpowiedni stos, a nie tylko najnowszy.
  • Kontrola jakości. Lepsze wybory inżynieryjne zmniejszają liczbę incydentów związanych z niezawodnością w produkcji.

Uważaj na

  • Optymalizacja jednego testu porównawczego może ukryć szersze słabości systemu.
  • Koszty infrastruktury i utrzymania są często niedoszacowane.
  • W miarę jak systemy stają się coraz bardziej złożone, luki w bezpieczeństwie i obserwowalności mogą się zwiększać.

Kolejne kroki

  1. Przed wdrożeniem zdefiniuj docelowe opóźnienia, jakość i koszty.
  2. Test porównawczy w realistycznych warunkach obciążenia i danych.
  3. Monitorowanie przyrządu pod kątem błędów, dryftu i wpływu użytkownika.
  4. Przed skalowaniem przygotuj ścieżki wycofywania zmian i reakcji na incydenty.

Odkrywaj dalej

Darmowy newsletter

Otrzymuj codzienne podsumowanie AI

Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.

Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.

Sprawdź się

Rozwiąż quiz dotyczący rozbieżności KL

Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.

Rozpocznij quiz

Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę

Często zadawane pytania

Co to jest rozbieżność KL?

Rozbieżność Kullbacka-Leiblera (KL) mierzy oczekiwany dodatkowy koszt informacji wynikający z wykorzystania jednego rozkładu prawdopodobieństwa do przedstawienia innego. Jest nieujemny, ale asymetryczny, więc zamiana rozkładów odniesienia i porównania generalnie zmienia wynik i może zmienić wybór modelu, który wydaje się preferowany.

W D_KL(p||q), który rozkład waży składniki logarytmiczne?

Suma jest ważona przez p(x), rozkład odniesienia w tym kierunku.

Dlaczego rozbieżność KL nie jest zwykłą odległością symetryczną?

Waga i współczynnik zmieniają się po wymianie rozkładów.

Dla p(x)>0 i q(x)=0, co dzieje się z odpowiadającym wkładem forward KL?

Stosunek log ma dodatni licznik i zerowy mianownik, co daje nieskończoną rozbieżność.

Dlaczego w przykładzie monety sprawiedliwej i stronniczej jedna suma może być ujemna, podczas gdy całkowity KL pozostaje nieujemny?

Niektóre prawdopodobieństwa q przekraczają p, dając ujemne wyrazy logarytmiczne, podczas gdy pełna rozbieżność jest zgodna z nieujemnością.

Jaka jednostka wynika z użycia logarytmów o podstawie dwóch?

Informacja o miarach podstawowych w bitach; naturalne kłody produkują nats.