文档摘要

4.3 模型规模、预训练目标与常见大模型 本节摘要：为什么各家敢押注几十亿的训练费？答案是规模定律（Scaling Laws）——损失随参数、数据、算力按幂律可预测地下降，这是大模型时代的行业宪法。本节讲清幂律的含义与最优配比结论、三种预训练目标的谱系，并纵览从 BERT 到当代开源旗舰的模型地图，最后给出开源与闭源的选型框架。 会员。《4.3 模型规模、预训练目标与常见大模型》收录于灏天文库文集《AI大模型开发与应用实战》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/189-ai%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%BC%80%E5%8F%91%E4%B8%8E%E5%BA%94%E7%94%A8%E5%AE%9E%E6%88%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流