★
Меню
Главная Как это устроено Список наблюдения Стек
Аппаратное обеспечение ЧипыСравнить чипы Серверы и системыСетевая инфраструктура ПамятьFoundry и упаковка Охлаждение
Объекты инфраструктуры Центры обработки данныхЭлектропотребление ПроектыОблачные вычисления и GPU
Интеллект AI-моделиПрограммное обеспечение AI-продуктыБенчмарки Научные статьиДатасеты Концепции
Экосистема КомпанииАкции ЛюдиХронология ТенденцииБудущее ИИ
Обучение Новости Запрос к данным ИИ-агенты
О сайте О нас Методология Данные и API Отказ от ответственности
Параметры
ДАННЫЕ И API

Бесплатный доступ только для чтения к кешированным данным сайта в формате JSON.

Тёмная тема

Режим с подсказками
Не знакомы с терминологией чипов, дата-центров и моделей? Мы объясняем ключевые понятия прямо в процессе просмотра, простым языком. Те же данные, со встроенной подсказкой.

Экспертный режим
Вы уже знаете стек. Только данные: чистые, быстрые и компактные, без лишних пояснений. Это вид по умолчанию.

Язык интерфейса
‹ Назад
Главная › Концепции › Scaling Laws

Scaling Laws

Концепция Обучение и инференс

The empirical curves that justify the capex on this site.

Перед вами запись-пояснение к понятию: что этот термин означает простыми словами и какие записи он объединяет.

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.

Место в общей экосистеме

Ссылки этой записи с первого взгляда — нажмите на группу, чтобы перейти к ней.

Источники

Kaplan scaling laws ↗

Запись актуальна на 2026-01-15 — смотреть Методология.