已验证80% 置信事实时间未知

Chinchilla定律指出在固定计算预算下，适当缩小模型规模并增加训练数据量往往能获得更好的性能

4

来源数

80%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

Qwen3.6-27B开源模型评测：27B参数实现旗舰级代码与多模态能力

bilibili百炼ai小助手

涉及实体

Chinchilla定律concept

相关事实

已验证2022年DeepMind的Chinchilla论文指出同等算力预算下应均衡增大模型尺寸与训练数据量82% 相似待验证论文发现对于固定的算力预算，训练一个更小的模型训练更长时间，往往比训练大模型效果更好，这与Chinchilla定律相悖79% 相似待验证Chinchilla论文修正了预训练中计算与数据的最优比例关系75% 相似已验证DeepMind的Chinchilla研究（2022）指出最优训练应让数据量与参数量保持大致1:1的比例增长74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/17951

API

curl https://kongchang.com/api/v1/knowledge/claims/17951

MCP

get_claim(id=17951)