待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
GPT-5.6全系列模型体验指南：API中转站使用详解与风险提示
bilibili道一安全2026/7/10
相关事实
待验证规模定律由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72% 相似已验证模型量化的本质是将模型的浮点权重和激活值（通常是FP32）映射到低位宽表示（如INT8、INT4），从而降低内存占用、提升推理速度并减少功耗69% 相似待验证参数量越大模型能同时追踪的变量名、函数签名和调用关系越多，代码生成错误率与模型参数量之间存在幂律关系69% 相似待验证现代量化算法如GPTQ和AWQ通过校准数据集补偿精度损失，使量化后模型在大多数任务上与原始模型性能相当68% 相似已验证模型漂移是指生产环境中输入数据分布随时间变化导致模型预测质量下降65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489535API
curl https://kongchang.com/api/v1/knowledge/claims/489535MCP
get_claim(id=489535)