概念模型缩放
模型缩放
通过增加模型参数量或训练数据规模来提升模型能力的策略，属于扩展模型能力边界的方法，区别于不改变模型权重的框架优化。
时间轴 (近 90 天)
10月21日
在静态预测和动态任务中，框架相对于更强干预（如模型缩放或增加推理计算）的 pass@1 优势在更大的尝试预算下可能反转。
待验证50%
10月21日
当尝试预算增大（如 pass@10、pass@100）时，模型缩放或增加推理计算等更强干预的 pass@k 曲线可能反超框架优化。
待验证50%
通过增加模型参数量或训练数据规模来提升模型能力的策略，属于扩展模型能力边界的方法，区别于不改变模型权重的框架优化。
在静态预测和动态任务中，框架相对于更强干预（如模型缩放或增加推理计算）的 pass@1 优势在更大的尝试预算下可能反转。
当尝试预算增大（如 pass@10、pass@100）时，模型缩放或增加推理计算等更强干预的 pass@k 曲线可能反超框架优化。