待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/8/17

首次发现

来源

伽利略平方立方定律：为什么巨人在物理上不可能存在

相关事实

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78% 相似已验证DeepMind的Chinchilla研究（2022）指出最优训练应让数据量与参数量保持大致1:1的比例增长75% 相似已验证2022年DeepMind的Chinchilla论文指出同等算力预算下应均衡增大模型尺寸与训练数据量73% 相似待验证批次归一化在训练模式使用当前批次统计量，在推理模式使用训练过程中累积的移动平均值71% 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71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/763864

API

curl https://kongchang.com/api/v1/knowledge/claims/763864

MCP

get_claim(id=763864)