待验证60% 置信事实精确时间
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)
2
来源数
60%
置信度
长期有效
时效性
2026/9/4
首次发现
来源
涉及实体
相关事实
待验证OpenAI等机构的神经网络扩展定律研究表明模型损失与参数量、数据量、计算量之间均呈幂律关系79% 相似已验证2020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% 相似已验证规模定律由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% 相似待验证该代理模型将物理定律以损失函数的形式嵌入神经网络训练，以在数据稀缺时保持预测的物理一致性。74% 相似待验证Neural ODE由陈天琦等人在2018年NeurIPS最佳论文中提出，核心思想是将残差网络的离散层视为连续动力系统的欧拉离散化73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/855435API
curl https://kongchang.com/api/v1/knowledge/claims/855435MCP
get_claim(id=855435)