从Kaplan到Test-Time Compute:Scaling Law的真实演变与中文媒体的叙事偏差

2020年1月,OpenAI的Jared Kaplan、Sam McCandlish、Tom Henighan等人发表了里程碑论文《Scaling Laws for Neural Language Models》
(arXiv.org) 。该研究系统性地探索了语言模型性能随模型参数量(N)、训练数据量(D)和计算量(C)的幂律关系,提出了以下核心公式:

赞(0)
未经允许不得转载:小狮博客 » 从Kaplan到Test-Time Compute:Scaling Law的真实演变与中文媒体的叙事偏差
分享到: 更多 (0)

联系我们