KI-Skalierungsgesetze
Die Quellen sind über 18 Monate alt.
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 2
Neueste datierte Quelle: 2022-03-29
Bewertet zum Quellenstichtag dieser Ausgabe: 2026-09-15. Grenze von 18 Monaten: 2025-03-15.
Das Alter einer Veröffentlichung sagt nicht, ob eine Aussage noch zutrifft. Erneutes Lesen macht eine alte Veröffentlichung nicht neuer. Ein Aktualisierungsdatum belegt nicht, dass auch die von uns verwendete Passage überarbeitet wurde.
Im Glossar öffnen Lesenotizen · Strukturierter Dateneintrag
Einfach erklärt
Gemessene Muster, die Modellgröße, Trainingsdaten und Rechenressourcen mit Leistung verknüpfen. Jedes Muster bezieht sich auf ein bestimmtes Maß und einen bestimmten Trainingsaufbau. [1] [2]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Grenzen und Unterschiede
Größer ist nicht die einzige Möglichkeit. Hoffmann und Mitautoren erzielten bessere Ergebnisse, indem sie Modellgröße und mehr Trainingsdaten aufeinander abstimmten. Einen gemessenen Trend auf ungeprüfte Größenordnungen zu übertragen, fügt eine Annahme hinzu. [1] [2]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Ausführlicher erklärt
Forschende trainieren unterschiedlich große Modelle und passen Gleichungen an die Ergebnisse an. Bei Sprachmodellen ist ein häufiges Maß der Vorhersageverlust: wie schlecht das Modell den nächsten Textbaustein vorhersagt. [1] [2]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Wie das zur Karte passt
Kartenkontext: Diese Studien prägen Erwartungen an den Zuwachs von Fähigkeiten und den Ressourcenbedarf. [1] [2]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Diese Seite teilen
https://theaiatlas.org/ideas/scaling-laws/
Bild zum Teilen herunterladen · Vektorgrafik
Vorschaubilder sind Zusammenfassungen. Teile den Seitenlink mit, damit andere die Belege prüfen können.
Quellen und Umfang unserer Lektüre
1. Scaling Laws for Neural Language Models
Die Quelle ist über 18 Monate alt.
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 1
Neueste datierte Quelle: 2020-01-23
Bewertet zum Quellenstichtag dieser Ausgabe: 2026-09-15. Grenze von 18 Monaten: 2025-03-15.
Das Alter einer Veröffentlichung sagt nicht, ob eine Aussage noch zutrifft. Erneutes Lesen macht eine alte Veröffentlichung nicht neuer. Ein Aktualisierungsdatum belegt nicht, dass auch die von uns verwendete Passage überarbeitet wurde.
Zusammenfassung und Einreichungsangaben gelesen. Die gemessenen Zusammenhänge betreffen den Vorhersageverlust von Sprachmodellen und Trainingsressourcen, keinen AGI-Zeitpunkt.
2. Training Compute-Optimal Large Language Models
Die Quelle ist über 18 Monate alt.
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 1
Neueste datierte Quelle: 2022-03-29
Bewertet zum Quellenstichtag dieser Ausgabe: 2026-09-15. Grenze von 18 Monaten: 2025-03-15.
Das Alter einer Veröffentlichung sagt nicht, ob eine Aussage noch zutrifft. Erneutes Lesen macht eine alte Veröffentlichung nicht neuer. Ein Aktualisierungsdatum belegt nicht, dass auch die von uns verwendete Passage überarbeitet wurde.
Zusammenfassung und Einreichungsangaben gelesen. Die Tests stimmen Parameterzahl und Trainingstokens bei festem Rechenbudget aufeinander ab. Die Ergebnisse gelten für die untersuchten Aufbauten.
Ausgabe und maschinenlesbare Belege
Inhaltsversion 0.20.0. Quellenstichtag 2026-09-15; das bedeutet nicht, dass jede Quelle an diesem Tag gelesen wurde.
Festgehaltenes vollständiges Datenpaket · Vollständige Quellennotizen · Anleitung für KI-Agenten