已验证80% 置信事实精确时间
规模定律（Scaling Law）指模型能力随参数量和训练数据量增长呈现可预测的规律性提升
6
来源数
80%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
已验证Scaling Law（规模定律）由OpenAI研究员于2020年发现，指模型参数量、训练数据量和计算量按特定比例增长时模型性能会可预测地提升81% 相似待验证规模扩展（Scaling Law）带来涌现能力，即模型在参数突破某一阈值后突然习得此前未经专门训练的推理、类比与创作能力77% 相似已验证Scaling Law研究发现模型性能与模型参数量N、数据集大小D、训练计算量C之间呈现平滑的幂律关系74% 相似已验证推理时扩展（inference-time scaling）通过在推理阶段增加计算量提升模型性能，存在类似预训练的幂律关系72% 相似待验证Chinchilla缩放定律的核心发现是：在固定计算预算下，同步增加模型参数和训练数据量才能获得最优性能71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/564996API
curl https://kongchang.com/api/v1/knowledge/claims/564996MCP
get_claim(id=564996)