待验证50% 置信观点精确时间

梁文锋相信Scaling Law，认为规模越大效果越好还没看到上限，拦住他们的只有算力

1

来源数

50%

置信度

长期有效

时效性

2026/7/25

首次发现

来源

梁文锋DeepSeek交流会：克制定价与AGI路线图解读

相关事实

待验证单纯扩大参数规模带来的性能提升呈现边际递减趋势，被称为Scaling Law的天花板效应67% 相似待验证随着模型参数从数千亿扩展到数万亿，每增加一个数量级的算力所带来的性能提升越来越小，学术界称之为Scaling Laws的'天花板效应'65% 相似待验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，即scaling law的收益递减区间62% 相似待验证规模缩放定律研究表明，增大模型参数量能提升常见知识准确性，但对长尾事实的改善边际效益递减61% 相似待验证除非性能剖析明确显示整数除法是瓶颈且其他手段都已用尽，否则不应轻易采用浮点迁移技巧59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/615391

API

curl https://kongchang.com/api/v1/knowledge/claims/615391

MCP

get_claim(id=615391)