Unverified60% confidenceFactExact time
训练时扩展定律（scaling law）由Kaplan等人在2020年提出，认为模型能力主要由参数量、训练数据量和训练算力决定
2
Sources
60%
Confidence
Long-term
Relevance
7/8/2026
First Seen
Sources
验证循环让DeepSeek智能翻4倍，成本仅Claude Opus七分之一
hackernewshackernews7/7/2026
Related Claims
UnverifiedKaplan等人2020年的研究表明模型参数量、训练数据量、训练计算量三者与性能之间存在可预测的幂律关系82% similarVerifiedOpenAI提出的Scaling Law揭示模型性能随参数量、训练数据量和计算量的增加呈现可预测的幂律式提升71% similarUnverified美国AI监管以模型训练算力阈值（以FLOP为单位）作为触发强制报备义务的量化指标71% similarUnverified批次归一化在训练模式使用当前批次统计量，在推理模式使用训练过程中累积的移动平均值70% similarUnverified2024年多项研究发现部分模型在标准基准上的优秀表现源于训练数据中混入了基准测试题目本身（数据污染）70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/274900API
curl https://kongchang.com/api/v1/knowledge/claims/274900MCP
get_claim(id=274900)