Scaling Law，撞墙了吗？| 直播预告

文章预览

近期，关于大语言模型（LLM）在 Scaling Law 方面的瓶颈引发热议。据报道，OpenAI 新一代模型在性能提升上的表现未达预期，尤其在编程任务中的改进幅度有限。这是否意味着大模型的性能提升已进入收益递减阶段？国内外技术条件是否存在差异？ 而在模型规模不断扩大的今天，“量变引起质变”的关键是什么？高质量训练数据的稀缺性、计算资源的限制会对模型的进一步突破产生多大影响？我们是否在追求极限的过程中忽视了现有技术的优化价值？ 此外，大模型项目的“成功”又该如何定义？从业务收益到用户体验再到行业发展的长期贡献，不同视角下，评估标准各不相同。在有限资源下，如何平衡成本与收益，最大化模型的经济价值？ 11 月 20 日晚上 20:00，我们邀请了来自百度、京东和中科大的三位专家，共同探讨这些关键问题。Scaling Law 是否 ………………………………