待验证60% 置信事实精确时间
OpenAI研究发现推理时算力的扩展曲线与训练时算力具有相似的幂律特性，更多推理计算通常带来更高任务准确率
2
来源数
60%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
已验证在推理阶段投入更多计算（test-time compute scaling）可显著提升模型表现，且往往比等量的训练阶段计算投入更具性价比77% 相似待验证在推理阶段投入更多工程智慧可以带来实质性的性能跃升，而不只是训练更大模型74% 相似已验证OpenAI提出的Scaling Law揭示模型性能随参数量、训练数据量和计算量的增加呈现可预测的幂律式提升73% 相似待验证在同一基座上通过后训练实现编程能力大幅提升，为算力受限的团队提供了新的模型迭代思路72% 相似待验证计算最优（Compute-Optimal）并不等于集群最优（Cluster-Optimal），真正决定训练效率的因素远不止浮点运算次数72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/573322API
curl https://kongchang.com/api/v1/knowledge/claims/573322MCP
get_claim(id=573322)