Unverified60% confidenceFactTime unknown
2020年OpenAI研究人员Kaplan等人发表论文首次系统性揭示语言模型性能与模型参数量、训练数据量、计算量之间存在可预测的幂律关系（Scaling Law）
2
Sources
60%
Confidence
Long-term
Relevance
5/31/2026
First Seen
Sources
AI预测中的"方向性准确"：为什么比精确预测更有价值
twitterlevelsio
Related Entities
Related Claims
Unverified2020年OpenAI的Kaplan等人论文首次系统证明神经网络性能与模型参数量、训练数据量、计算量之间存在幂律关系83% similarUnverified缩放定律由OpenAI研究人员Kaplan等人于2020年在论文《Scaling Laws for Neural Language Models》中正式提出83% similarVerifiedScaling Law最早由OpenAI研究员在2020年的论文《Scaling Laws for Neural Language Models》中系统性地提出和量化77% similarUnverifiedTogetherAI 在 2024 年发表研究论文将集成学习思路引入大语言模型领域，实验表明将多个开源模型输出交由聚合模型综合处理后结果可超越任何单一模型70% similarVerifiedAnthropic于2024年发表了'字典学习'（Dictionary Learning）研究，首次大规模揭示了大语言模型内部的特征表示结构62% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/7298API
curl https://kongchang.com/api/v1/knowledge/claims/7298MCP
get_claim(id=7298)