Scaling Law 最早由 OpenAI 在 2020 年提出，描述了模型的性能与「计算量」「模型参数量」「数据集规模」三者之间的关系，被认为是大模型时代的摩尔定律。
影响模型性能的三个要素之间，每个参数会受到另外两个参数的影响。当没有其他两个瓶颈时，性能会急剧上升，影响程度为「计算量 > 模型参数量 &
模型参数越大，计算量不是肯定越大吗？不太懂为什么分成三个，求解答
Scaling Law 最早由 OpenAI 在 2020 年提出，描述了模型的性能与「计算量」「模型参数量」「数据集规模」三者之间的关系，被认为是大模型时代的摩尔定律。
