跳到正文
热点事件持续更新

Predictable Scaling：基于缩放定律预测的高效模型探索框架

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

2026年10月19日，研究团队在arXiv发表《Predictable Scaling》论文，提出基于缩放定律预测的高效模型探索框架。该框架利用小尺度代理模型预测全规模推荐模型表现，在两个排序模型上实现79%-88%的计算量削减，且保持假设排序正确。 框架通过可组合缩放函数构建变体，其中Gaussian Process策略提供15%相对MAE改进及校准不确定性；即使最简单的原始代理策略误差也在重复运行方差噪声下限内。

AI 根据报道生成 · 6 小时前更新

最新进展10月19日 12:00
Predictable Scaling：基于缩放定律预测的高效模型探索框架

报道时间线

沿着报道，了解事件的不同侧面。

10月19日
  1. arXiv · ML
    Predictable Scaling：基于缩放定律预测的高效模型探索框架

    研究团队提出 Predictable Scaling 框架，通过小尺度代理模型预测全规模推荐模型表现，在两个排序模型上实现 79-88% 计算量削减且假设排序正确。 该框架利用可组合缩放函数构建变体，最表情的 Gaussian Process 策略提供 15% 相对 MAE 改进及校准不确定性，即使最简单的原始代理策略误差也在重复运行方差噪声下限内。

本事件热度走势

可比范围当前
8
可比范围峰值
910月19日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。