在对比学习或嵌入训练中，为什么常采用余弦距离或均方误差作为相似度度量，而不使用 KL 散度？KL 散度是根本不适用，还是仅仅效果不佳？请结合具体场景分析。
考察说明
考察对常见相似度度量与概率分布距离适用条件的理解及权衡能力
回答思路
- 明确余弦距离适用于方向相似、对向量模长不敏感的场景
- 说明 MSE 对逐元素差异敏感，适合实值连续预测
- 分析 KL 散度要求输入为概率分布，且其不对称性在嵌入空间中不适用
- 能区分“不能直接用（因输入形式不匹配）”和“直接用效果不好（因梯度或优化特性）”两种情况
本题已收录答题指导
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。