已验证90% 置信事实精确时间
2020年Kaplan等人确立的扩展定律表明模型性能与参数量、数据量和计算量之间存在幂律关系
6
来源数
90%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
待验证扩展假设由OpenAI研究员Jared Kaplan等人于2020年的扩展定律论文中量化阐述，核心是模型性能与参数量、数据量、计算量存在幂律关系84% 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82% 相似待验证2020年Kaplan等人提出原始Scaling Law，倾向于在固定算力下优先扩大模型参数量82% 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79% 相似待验证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)78% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/523905API
curl https://kongchang.com/api/v1/knowledge/claims/523905MCP
get_claim(id=523905)