待验证50% 置信事实精确时间

缩放定律表明模型在特定任务上的表现与训练数据量、模型参数量和计算量之间存在幂律关系，OpenAI、DeepMind等机构的研究支持这一发现

1

来源数

50%

置信度

长期有效

时效性

2026/8/12

首次发现

来源

哪种编程语言最适合AI编程助手？类型系统与训练数据的博弈

相关事实

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80% 相似待验证模型路由通过训练轻量级路由分类器评估请求复杂度，将简单任务路由至小模型、复杂任务路由至大模型76% 相似待验证OpenAI在InstructGPT论文中证明，少量高质量人类偏好数据对模型对齐的贡献远超大规模无监督训练73% 相似待验证根据Chinchilla定律及其后续研究，模型性能与训练计算量之间存在幂律关系73% 相似待验证如果模型能理解行为准则背后的深层原因，即使面对训练中从未遇到的全新场景也能做出合理的行为选择，实现可泛化的对齐73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/736967

API

curl https://kongchang.com/api/v1/knowledge/claims/736967

MCP

get_claim(id=736967)