待验证50% 置信事实精确时间

近期业界观察到扩大规模带来的基准测试提升幅度明显缩小，且高质量训练文本数据接近网络可获取上限

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

OpenAI首席科学家：AI是「异类智能」而非数字人类

涉及实体

Scaling Lawsconcept

相关事实

待验证2024年以来多方面证据暗示纯粹依靠Pre-training Scaling可能正在遭遇收益递减,高质量文本可获取量已接近互联网存量天花板78% 相似待验证实验表明，仅经过数代自我训练，模型输出的方差就会急剧缩小，文本趋于同质化74% 相似待验证数据规模的增长并不等同于有效学习信号的增长，在模型能力提升到一定阈值后简单堆砌样本的收益会急剧下降73% 相似待验证重训存在明确取舍：在更干净的验证分布上部分极高分数出现轻微下降，以换取实战表现的提升71% 相似已验证单纯增加模型参数和训练数据的边际收益正在递减，即'Scaling Law放缓'现象70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/901924

API

curl https://kongchang.com/api/v1/knowledge/claims/901924

MCP

get_claim(id=901924)