Scaling 之争关键:模型可预测变强 vs 变得可预测地强
Diyi_Yang · x · 2026-10-07
William Barr Held 参与 scaling 讨论时指出，争议的核心在于人们对同一主张的两种解读被混为一谈：
- 模型随规模可预测地变强（大模型几乎总是优于小模型）——这是多数人的理解；
- 模型随规模变得可预测（能从小模型对大模型做出有意义的推断）——这才是原主张的关键区别。
这一区分正是当前关于 scaling 推断能力争论中双方各说各话的根源，讨论涉及 Percy Liang、Diyi Yang 等学者。
「漫话AGI」频道最新
- Saxe 补充：担心灾难性风险，但不认为灭绝情形成立 — joshua_saxe · 2026-10-07
- Vinitsky：与其等超级智能，不如现在就动手修医院 — EugeneVinitsky · 2026-10-07
- AI 广告投放 AI 应用、受众也正被 AI 取代 — sull · 2026-10-07
- Saxe 回应批评：AI 风险关键是理解其背后的社会机制 — joshua_saxe · 2026-10-07
- Google 学者的感叹：工程里的「凑数因子」救了他一生 — giffmana · 2026-10-07
- 花50美元造5万条假数据，ChatGPT一月引用7.2万次 — metehan777 · 2026-10-07