待验证50% 置信事实精确时间
规模定律（Scaling Laws）指模型性能随参数量、训练数据量和计算量的增加呈幂律提升，但某些能力呈现相变般的非线性跳跃
1
来源数
50%
置信度
长期有效
时效性
2026/8/28
首次发现
来源
涉及实体
相关事实
待验证单纯扩大参数规模带来的性能提升呈现边际递减趋势，被称为Scaling Law的天花板效应77% 相似待验证OpenAI、DeepMind等机构的研究表明模型性能随参数量、数据量和计算量的增加呈幂律提升（Scaling Law）71% 相似待验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，即scaling law的收益递减区间70% 相似待验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减69% 相似待验证随着模型参数从数千亿扩展到数万亿，每增加一个数量级的算力所带来的性能提升越来越小，学术界称之为Scaling Laws的'天花板效应'68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/814953API
curl https://kongchang.com/api/v1/knowledge/claims/814953MCP
get_claim(id=814953)