Unverified50% confidenceFactExact time
Kaplan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
1
Sources
50%
Confidence
Long-term
Relevance
7/21/2026
First Seen
Sources
Related Claims
Unverified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82% 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）74% 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74% similarUnverified根据Chinchilla定律及其后续研究，模型性能与训练计算量之间存在幂律关系73% 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71% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/576257API
curl https://kongchang.com/api/v1/knowledge/claims/576257MCP
get_claim(id=576257)