待验证50% 置信事实精确时间

大型预训练模型的普及使许多任务的基线性能大幅提升，导致单纯的性能增量越来越难以令人印象深刻

1

来源数

50%

置信度

长期有效

时效性

2026/10/1

首次发现

来源

如何应对顶会审稿人的"创新性"质疑：CV研究者实用指南

涉及实体

预训练模型concept

相关事实

已验证训练前沿大模型需要巨大的算力投入，随着模型规模增大存在边际收益递减78% 相似待验证在同一基座上通过后训练实现编程能力大幅提升，为算力受限的团队提供了新的模型迭代思路78% 相似待验证在推理阶段投入更多计算（test-time compute scaling）可显著提升模型表现，且往往比等量的训练阶段计算投入更具性价比77% 相似待验证大模型进入后预训练时代后，单纯堆砌参数带来的能力收益愈发递减，厂商转向后训练阶段寻求突破77% 相似待验证以最大力量提升为目标时，倾向于更高强度、较低次数的训练安排76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/963666

API

curl https://kongchang.com/api/v1/knowledge/claims/963666

MCP

get_claim(id=963666)