已验证90% 置信事实时间未知
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
12
来源数
90%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
AI产业链五层架构详解：从应用层到能源层的完整拆解
bilibiliAI产品经理零基础
涉及实体
相关事实
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81% 相似已验证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77% 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76% 相似待验证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75% 相似待验证规模定律由OpenAI研究员Jared Kaplan等人于2020年系统论证，核心发现是语言模型交叉熵损失与模型参数量、训练数据量、计算量之间存在幂律关系72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/6629API
curl https://kongchang.com/api/v1/knowledge/claims/6629MCP
get_claim(id=6629)