已验证80% 置信事实时间未知
Scaling Law最早由OpenAI研究员在2020年的论文《Scaling Laws for Neural Language Models》中系统性地提出和量化
6
来源数
80%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
合成数据是解药还是毒药？AI训练数据枯竭的破局之道
bilibili老傅1024
涉及实体
相关事实
待验证缩放定律由OpenAI研究人员Kaplan等人于2020年在论文《Scaling Laws for Neural Language Models》中正式提出84% 相似已验证2020年OpenAI研究人员Kaplan等人发表论文首次系统性揭示语言模型性能与模型参数量、训练数据量、计算量之间存在可预测的幂律关系（Scaling Law）77% 相似待验证2020年OpenAI的Kaplan等人论文首次系统证明神经网络性能与模型参数量、训练数据量、计算量之间存在幂律关系65% 相似待验证链式法则系统应用于神经网络训练直到1986年Rumelhart、Hinton和Williams的论文才被深度学习领域广泛认知56% 相似待验证TogetherAI 在 2024 年发表研究论文将集成学习思路引入大语言模型领域，实验表明将多个开源模型输出交由聚合模型综合处理后结果可超越任何单一模型56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/9794API
curl https://kongchang.com/api/v1/knowledge/claims/9794MCP
get_claim(id=9794)