Verified65% confidenceFactExact time
Scaling Law 最早由 Kaplan 等人于2020年在语言模型研究中系统量化，指出模型性能与参数量、数据量、计算量之间存在幂律关系
3
Sources
65%
Confidence
Long-term
Relevance
7/22/2026
First Seen
Sources
Related Claims
Verified2020年Kaplan等人确立的扩展定律表明模型性能与参数量、数据量和计算量之间存在幂律关系82% similarVerifiedScaling Law（规模定律）由OpenAI研究员于2020年发现，指模型参数量、训练数据量和计算量按特定比例增长时模型性能会可预测地提升76% similarUnverified规模定律由OpenAI研究员Jared Kaplan等人于2020年系统论证，核心发现是语言模型交叉熵损失与模型参数量、训练数据量、计算量之间存在幂律关系76% similarUnverified扩展假设由OpenAI研究员Jared Kaplan等人于2020年的扩展定律论文中量化阐述，核心是模型性能与参数量、数据量、计算量存在幂律关系75% similarUnverifiedScaling Law研究发现模型性能与模型参数量N、数据集大小D、训练计算量C之间呈现平滑的幂律关系75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/592543API
curl https://kongchang.com/api/v1/knowledge/claims/592543MCP
get_claim(id=592543)