待验证70% 置信事实精确时间
OpenAI等机构的神经网络扩展定律研究表明模型损失与参数量、数据量、计算量之间均呈幂律关系
2
来源数
70%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
涉及实体
相关事实
待验证规模律揭示了模型损失与参数量、数据量、算力之间近乎幂律的关系79% 相似待验证Kaplan等人在2020年提出的神经网络缩放定律表明模型性能与数据量、参数量、计算量之间存在幂律关系，模型交叉熵损失L与参数量N满足L ∝ N^(-α)79% 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% 相似待验证PINN 的核心思想是在神经网络损失函数中同时包含数据拟合误差和物理方程残差，并通过自动微分计算输出对输入坐标的偏导数73% 相似待验证Kaplan等人的论文《Scaling Laws for Neural Language Models》来自OpenAI，首次系统性地用幂律关系描述模型性能与参数量、数据量、算力的关系72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/916338API
curl https://kongchang.com/api/v1/knowledge/claims/916338MCP
get_claim(id=916338)