已过期65% 置信观点时间未知

进入2025年，业界普遍观察到Scaling Law的边际收益在递减，单纯增大模型规模带来的能力提升已不如早期显著

3

来源数

65%

置信度

中期 (~90 天)

时效性

2026/6/1

首次发现

此条事实已过期，仅作历史留存，不再代表当前状态

有效期至：2026/8/30(已过期)

来源

GSD-2开源项目详解：元提示+上下文工程如何让AI代理持久自主工作

githubgsd-build

涉及实体

Scaling Lawconcept

相关事实

待验证从2024年开始，业界观察到单纯增大模型规模带来的收益开始递减，尤其在多步逻辑推理、数学证明和科学发现等任务上81% 相似待验证大模型存在时效性衰减问题，若未接入实时数据源，其输出的市场趋势判断可能滞后数月乃至一年以上72% 相似待验证单纯增加模型参数和训练数据的边际收益正在递减，即'Scaling Law放缓'现象71% 相似待验证只有当重复大于成长、薪资明显低于市场或有明确新目标这几个条件之一成立时，跳槽才具备正当理由70% 相似待验证随着模型参数从数千亿扩展到数万亿，每增加一个数量级的算力所带来的性能提升越来越小，学术界称之为Scaling Laws的'天花板效应'70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/28771

API

curl https://kongchang.com/api/v1/knowledge/claims/28771

MCP

get_claim(id=28771)