Softmax 函数
Softmax
学到 认得 就够：听到能明白
你可能会说
“我读模型输出层的介绍时想知道，Softmax 怎样把分数转换成一组概率？”
Softmax 对一组实数分别取指数，再除以指数总和，把分数转成非负、总和为一的分布。它是一种数学映射，形式上像概率并不保证对应真实正确率。
使用 AI
科研里的例子
政策分类器为三类输出总和为一的概率，但若高分样本经常错判，就需检查校准和样本漂移，不能直接据此给结论加权。
指数放大分数差，归一化让候选之间相互竞争，因此某项分数不变时，其他项改变仍会影响它的概率。为数值稳定，实际计算可先减去最大分数而不改变结果。Softmax 常用于分类与词元生成，但模型训练、数据分布和校准决定概率解释是否可靠。对研究者而言，应区分“输出满足概率形式”与“预测与现实频率相符”两件事，不能仅凭函数形式获得后者。
判断
亲手检查一次
用计算器把 [0,0,0] 转为三项相等分布，再把一项提高，观察所有概率如何联动，检验它们总和为一。
它做不到的
Softmax 不是证据核验、置信区间或事实概率生成器；输出类别集合改变时，原有类别的分数也可能重分配。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。