待验证50% 置信事实精确时间

2024年下半年以来，业界普遍观察到主流大模型在标准评测集上的得分提升幅度明显收窄，这一现象被称为'Scaling Law放缓'

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

有效期至：2026/9/30

来源

Java程序员转型AI应用开发：路径、技能与实战指南

bilibili程序员徐庶老师2026/6/5

相关事实

待验证自2024年下半年以来，主流大模型在MMLU和HumanEval等标准基准测试上的分数提升明显收窄75% 相似待验证自回归缩放定律的边际收益正在递减，单纯增加模型规模和数据量带来的提升已微乎其微73% 相似待验证2024年多项研究发现，部分模型在去污染版本的评测集上得分下降幅度可达10-20个百分点70% 相似待验证大模型的性能提升已经明显放缓，最近新版本的评分甚至不一定超越之前的模型，能力基本已定型67% 相似待验证当平台系统性地移除差评后，商家评分会趋同于4.7/5左右，这是截断分布导致的数学必然结果65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/53475

API

curl https://kongchang.com/api/v1/knowledge/claims/53475

MCP

get_claim(id=53475)