待验证50% 置信事实时间未知
Scaling Law描述了训练数据规模、算力投入、模型参数数量与模型性能之间可用平滑曲线表示的数学规律，由达里奥·阿莫代伊领导的团队命名
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
从GPT-1到ChatGPT：伊利亚的赌注如何点燃AI革命
bilibili硅基诗篇
相关事实
待验证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79% 相似已验证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77% 相似已验证规模定律（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74% 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74% 相似待验证Scaling Law描述了Transformer模型性能与参数量、数据量、计算量之间存在可预测的幂律关系66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/56508API
curl https://kongchang.com/api/v1/knowledge/claims/56508MCP
get_claim(id=56508)