AIGC動態(tài)歡迎閱讀

原標(biāo)題：關(guān)于scaling law 的正確認(rèn)識
關(guān)鍵字：模型,參數(shù),數(shù)據(jù),深度,論文
文章來源：算法邦
內(nèi)容字?jǐn)?shù)：4388字

內(nèi)容摘要：

智猩猩和智東西發(fā)起主辦的2024中國生成式AI大會將于4月18-19日在北京舉辦。主會場將進(jìn)行開幕式、大模型專場、AI Infra專場和AIGC應(yīng)用專場；分會場將進(jìn)行具身智能技術(shù)研討會、AI智能體技術(shù)研討會和中國智算中心創(chuàng)新論壇。掃名，也可咨詢。最近scaling law 成了最大的熱詞。一般的理解就是，想干大模型，清洗干凈數(shù)據(jù)，然后把數(shù)據(jù)tokens量堆上來，然后搭建一個海量H100的集群，干就完了。訓(xùn)練模型不需要啥技巧，模型結(jié)構(gòu)也沒啥好設(shè)計的，對算法精度影響很小。
事實(shí)上，原論文里面講的邏輯不是這樣的。
論文Scaling Laws for Neural Language Models鏈接在這里：
https://arxiv.org/pdf/2001.08361.pdf
openai于20年1月23放出的論文。里面的核心輸出是這樣的：
對于基于transformer的語言模型，假設(shè)模型的參數(shù)量為N，數(shù)據(jù)集tokens個數(shù)為D（token數(shù)），那么，模型的計算量C約= 6N*D 。模型的計算量C一定后，模型的性能即精度就基本確定。它的決策變量只有N和D，跟模型的具體結(jié)構(gòu)諸如層數(shù)、

原文鏈接：關(guān)于scaling law 的正確認(rèn)識

聯(lián)系作者

文章來源：算法邦
作者微信：allplusai
作者簡介：智猩猩矩陣賬號之一，連接AI新青年，講解研究成果，分享系統(tǒng)思考。