待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/8/14
首次发现
来源
相关事实
待验证论文发现对于固定的算力预算，训练一个更小的模型训练更长时间，往往比训练大模型效果更好，这与Chinchilla定律相悖75% 相似待验证Kaplan等人2020年的研究表明模型参数量、训练数据量、训练计算量三者与性能之间存在可预测的幂律关系73% 相似待验证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73% 相似待验证Chinchilla定律指出在固定计算预算下，适当缩小模型规模并增加训练数据量往往能获得更好的性能72% 相似待验证Chinchilla缩放定律指出最优训练token数应与模型参数量成正比，参数翻倍时训练数据和计算成本至少翻倍71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/746816API
curl https://kongchang.com/api/v1/knowledge/claims/746816MCP
get_claim(id=746816)