待验证75% 置信观点精确时间

GLM团队认为总参数量的作用存在一个阈值，足够装下世界之后额外能力来自有效深度和后训练

1

来源数

75%

置信度

长期有效

时效性

2026/8/19

首次发现

来源

Scaling Law再思考：参数不是唯一答案

twitterjietang2026/8/19

涉及实体

GLMcompany post-trainingconcept

相关事实

已验证GLM系列最初采用自回归填空的预训练框架，兼顾理解与生成能力68% 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66% 相似待验证数据标注质量直接决定了模型训练的上限，专业领域的标注需要领域专家参与65% 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65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/796934

API

curl https://kongchang.com/api/v1/knowledge/claims/796934

MCP

get_claim(id=796934)