待验证50% 置信观点精确时间

一部分观点认为训练Scaling的红利仍未耗尽，多模态、合成数据和后训练仍有大量提升空间，现在宣布Scaling Laws失效为时过早。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/16

首次发现

有效期至：2027/1/14

来源

Scaling Laws失效？Agentic AI将瓶颈推向推理算力

涉及实体

Scaling Lawsconcept

相关事实

待验证无约束的递归自我改进可能导致性能漂移、成本失控甚至训练数据的泄漏污染70% 相似待验证输出检测增加延迟与算力成本，对抗训练可能被新一轮绕过手法快速突破，行为分析涉及隐私争议。70% 相似已验证跨域微调时学习率过大会破坏预训练权重，过小则几乎学不动，需权衡设置69% 相似待验证重训存在明确取舍：在更干净的验证分布上部分极高分数出现轻微下降，以换取实战表现的提升69% 相似已验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1047946

API

curl https://kongchang.com/api/v1/knowledge/claims/1047946

MCP

get_claim(id=1047946)