已验证75% 置信事实精确时间
规模定律由OpenAI研究员Jared Kaplan等人于2020年系统论证，核心发现是语言模型交叉熵损失与模型参数量、训练数据量、计算量之间存在幂律关系
5
来源数
75%
置信度
长期有效
时效性
2026/7/11
首次发现
来源
「GPT-5.6」真相揭秘：虚假传闻与第三方充值陷阱辨析
bilibili小小阿白6662026/7/9
相关事实
待验证Kaplan等人在2020年提出的神经网络缩放定律表明模型性能与数据量、参数量、计算量之间存在幂律关系，模型交叉熵损失L与参数量N满足L ∝ N^(-α)77% 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76% 相似已验证Scaling Law 最早由 Kaplan 等人于2020年在语言模型研究中系统量化，指出模型性能与参数量、数据量、计算量之间存在幂律关系76% 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74% 相似已验证2020年OpenAI的Kaplan等人揭示了模型性能与参数量、训练数据量和计算预算之间存在可预测的幂律关系74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/484554API
curl https://kongchang.com/api/v1/knowledge/claims/484554MCP
get_claim(id=484554)