★
메뉴
홈 구축 방식 관심 목록 스택
하드웨어 칩칩 비교 서버 및 시스템네트워킹 메모리파운드리 및 패키징 냉각
시설 데이터 센터전력 프로젝트클라우드 및 GPU 컴퓨팅
인텔리전스 AI 모델소프트웨어 AI 제품벤치마크 연구 논문데이터셋 개념
생태계 기업주식 인물타임라인 트렌드AI의 미래
학습 뉴스 데이터에 질문하기 AI 에이전트
소개 회사 소개 방법론 데이터 및 API 면책 고지
옵션
데이터 및 API

사이트 캐시 데이터에 대한 무료 읽기 전용 JSON 접근.

다크 모드

가이드 보기
칩, 데이터 센터, 모델 용어가 생소하신가요? 브라우징하면서 핵심 용어를 알기 쉽게 설명해 드립니다. 동일한 데이터에 도움말이 내장되어 있습니다.

전문가 보기
스택은 이미 알고 계시죠. 데이터만 제공합니다: 깔끔하고, 빠르고, 간결하게, 불필요한 설명 없이. 이것이 기본 보기입니다.

인터페이스 언어
‹ 뒤로
홈 › 개념 › Scaling Laws

Scaling Laws

개념 학습 및 추론

The empirical curves that justify the capex on this site.

현재 보고 계신 것은 개념 설명 레코드입니다: 이 용어의 의미를 쉬운 말로 풀어쓰고, 연관된 레코드들을 연결합니다.

Scaling laws (Kaplan 2020; Chinchilla 2022) show model loss falling predictably as compute, parameters and data grow together — the smooth curves that convinced investors trillion-dollar infrastructure was rational. Chinchilla corrected the recipe (more data per parameter); test-time compute added a second axis; the open question — whether pre-training returns are flattening — is the trillion-dollar debate, with Ilya Sutskever's 'age of scaling is over' remarks its sharpest statement.

전체 스택에서의 연결 구조

이 레코드의 링크를 한눈에 확인하세요 — 그룹을 클릭하면 해당 위치로 이동합니다.

출처

Kaplan scaling laws ↗

검토 기준일 2026-01-15 — 보기 방법론.