已验证70% 置信事实精确时间
2020年OpenAI的Kaplan等人揭示了模型性能与参数量、训练数据量和计算预算之间存在可预测的幂律关系
4
来源数
70%
置信度
长期有效
时效性
2026/8/31
首次发现
来源
涉及实体
相关事实
待验证Kaplan等人2020年的Scaling Law论文揭示，在固定算力预算下，模型参数量与训练token数存在最优比例关系（Chinchilla最优）80% 相似待验证扩展假设由OpenAI研究员Jared Kaplan等人于2020年的扩展定律论文中量化阐述，核心是模型性能与参数量、数据量、计算量存在幂律关系79% 相似已验证2020年Kaplan等人确立的扩展定律表明模型性能与参数量、数据量和计算量之间存在幂律关系79% 相似待验证OpenAI每一代模型升级通常涉及参数规模与训练数据扩展、RLHF对齐策略改进、专项微调三个维度75% 相似已验证规模定律由OpenAI研究员Jared Kaplan等人于2020年系统论证，核心发现是语言模型交叉熵损失与模型参数量、训练数据量、计算量之间存在幂律关系74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/829833API
curl https://kongchang.com/api/v1/knowledge/claims/829833MCP
get_claim(id=829833)