Meta 提出 Skaling 定律：十分之一算力即可预测性能

Meta 研究团队提出了一种名为 Skaling 的广义缩放定律。传统缩放定律通常假设模型大小与训练数据对损失的影响是独立的，这导致在数据稀缺或过度训练时预测失效。新研究通过单一的交互指数将模型容量与数据结合，不仅将外推误差降低了 3 倍，还能仅用十分之一的算力开销来准确预测模型性能。

2026-08-10 ~ 2026-08-11 · 3 条相关

• Meta 提出 Skaling 定律：用十分之一算力预测性能 — facebook · 2026-08-10
• 新研究提出Skaling定律,预测模型性能算力开销直降10倍 — stochasticchasm · 2026-08-10
• Meta 新研究改进缩放定律:外推误差降 3 倍,省 90% 算力 — omarsar0 · 2026-08-11