已验证75% 置信事实精确时间
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
3
来源数
75%
置信度
长期有效
时效性
2026/8/14
首次发现
来源
相关事实
待验证Scaling Law研究发现模型性能（以交叉熵损失衡量）与模型参数量、数据集大小、计算量之间存在可预测的幂律关系80% 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75% 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75% 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69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/746417API
curl https://kongchang.com/api/v1/knowledge/claims/746417MCP
get_claim(id=746417)