Unverified50% confidenceFactExact time
Scaling Collapse指当训练问题集有限时，单纯增加正确推理示例并不能带来持续的性能提升
1
Sources
50%
Confidence
Long-term
Relevance
9/18/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedScaling Laws描述的是预训练损失的下降，而非所有下游能力的线性提升，部分能力如复杂推理呈现涌现特性75% similarUnverified'放缓'缺乏可操作的定义，尚未就放缓何种指标（模型参数规模、训练算力投入或能力发布时间表）形成共识70% similarUnverified朴素训练后量化会导致单个权重误差在多层网络中累积放大，即复合误差，在2位或1位精度下模型结构会崩溃69% similarUnverified仅靠增大模型规模或延长训练时长并不能自动解决难题被忽视的问题，根本原因在于信号本身的缺失69% similarUnverified模型性能的瓶颈不仅在于参数量，更在于表示的质量，嵌入空间坍缩的模型即使参数再多也无法充分发挥潜力69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/931198API
curl https://kongchang.com/api/v1/knowledge/claims/931198MCP
get_claim(id=931198)