Unverified60% confidenceFactTime unknown
Chinchilla定律指出在固定计算预算下，适当缩小模型规模并增加训练数据量往往能获得更好的性能
2
Sources
60%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
Qwen3.6-27B开源模型评测：27B参数实现旗舰级代码与多模态能力
bilibili百炼ai小助手
Related Entities
Related Claims
Verified2022年DeepMind的Chinchilla论文指出同等算力预算下应均衡增大模型尺寸与训练数据量82% similarUnverified论文发现对于固定的算力预算，训练一个更小的模型训练更长时间，往往比训练大模型效果更好，这与Chinchilla定律相悖79% similarUnverifiedChinchilla缩放定律指出最优训练token数应与模型参数量成正比，参数翻倍时训练数据和计算成本至少翻倍78% similarVerified通过更高质量的训练数据、更优化的训练策略和更精细的后训练对齐，较小规模的模型可以在实际任务上完全超越规模更大但训练质量较低的模型75% similarUnverifiedChinchilla论文修正了预训练中计算与数据的最优比例关系75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/17951API
curl https://kongchang.com/api/v1/knowledge/claims/17951MCP
get_claim(id=17951)