Unverified60% confidenceOpinionTime unknown
自回归缩放定律的边际收益正在递减，单纯增加模型规模和数据量带来的提升已微乎其微
1
Sources
60%
Confidence
Long-term
Relevance
5/31/2026
First Seen
Sources
Mercury 2：扩散架构如何实现每秒1000 Token的推理速度
bilibiliAI-seeker
Related Entities
Related Claims
Unverified2024年下半年以来，业界普遍观察到主流大模型在标准评测集上的得分提升幅度明显收窄，这一现象被称为'Scaling Law放缓'73% similarUnverified测试时计算扩展的边际收益并非线性，存在明显的收益递减区间72% similarUnverified大模型的性能提升已经明显放缓，最近新版本的评分甚至不一定超越之前的模型，能力基本已定型68% similarUnverified用量百分比理论上只增不减，直到新计费周期开始才归零重置67% similarUnverified从 High 到 Max 推理档位的边际收益递减明显：DeepSWE 分数仅提升约 4 个百分点，成本却增加约 1.5 倍67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/14046API
curl https://kongchang.com/api/v1/knowledge/claims/14046MCP
get_claim(id=14046)