Unverified50% confidenceFactExact time
Kaplan等人在2020年提出的神经网络缩放定律表明模型性能与数据量、参数量、计算量之间存在幂律关系，模型交叉熵损失L与参数量N满足L ∝ N^(-α)
1
Sources
50%
Confidence
Long-term
Relevance
9/4/2026
First Seen
Sources
Related Entities
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78% similarVerified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77% similarUnverified大模型中的参数在数学上是神经网络每条连接边上的权重数值和偏置值，训练前随机初始化，通过反向传播算法和梯度下降不断调整72% 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71% similarUnverifiedKaplan等人的论文《Scaling Laws for Neural Language Models》来自OpenAI，首次系统性地用幂律关系描述模型性能与参数量、数据量、算力的关系70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/855435API
curl https://kongchang.com/api/v1/knowledge/claims/855435MCP
get_claim(id=855435)