待验证50% 置信事实精确时间

缩放定律（Scaling Laws）指模型性能（如损失函数值）与模型参数量、数据量、计算量之间呈现幂律关系。

1

来源数

50%

置信度

长期有效

时效性

2026/10/20

首次发现

来源

AI圈炸裂声明：神经网络本质被误读？

涉及实体

缩放定律concept

相关事实

待验证规模律揭示了模型损失与参数量、数据量、算力之间近乎幂律的关系75% 相似待验证Scaling Law研究发现模型性能（以交叉熵损失衡量）与模型参数量、数据集大小、计算量之间存在可预测的幂律关系72% 相似已验证规模定律（Scaling Law）指模型能力随参数量和训练数据量增长呈现可预测的规律性提升69% 相似待验证GridSFM通过在损失函数中引入基尔霍夫定律违反惩罚项和热限值惩罚项，使模型在追求预测精度的同时受物理定律约束68% 相似待验证OpenAI等机构的神经网络扩展定律研究表明模型损失与参数量、数据量、计算量之间均呈幂律关系68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1075534

API

curl https://kongchang.com/api/v1/knowledge/claims/1075534

MCP

get_claim(id=1075534)