94.中国 AI 从追赶到原创,真正的难题是什么?|与商汤林达华的 3 小时访谈
中国AI发展面临空间智能瓶颈、数据质量与原创能力三大核心挑战,需从技术范式到人才培养系统性突破。
入选理由:空间智能存在反Scaling Law现象:数据量增加反而导致性能下降
概念
别名:scaling laws
机器学习中性能与参数规模关系的定律
已跟踪 3 条高相关材料
最近变化
2026-11-17 · 空间智能存在反Scaling Law现象:数据量增加反而导致性能下降
为什么值得关注
Scaling Law 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
94.中国 AI 从追赶到原创,真正的难题是什么?|与商汤林达华的 3 小时访谈
卫诗婕|商业漫谈Jane's talk · 8.5 分
中国AI发展面临空间智能瓶颈、数据质量与原创能力三大核心挑战,需从技术范式到人才培养系统性突破。
169: 访谈Cerebras早期投资人周楠:英伟达挑战者?Scaling Law的萌芽、被遗忘的百度美研
晚点聊 LateTalk · 8.5 分
Cerebras 的早期投资与 AI 算力趋势、Scaling Law 的萌芽及百度美研的被遗忘历史被深度探讨。
“我看到了 Scaling Law 的信号” | 对谈清华叉院助理教授徐梦迪:具身智能、世界模型、真正的泛化
十字路口Crossing · 7.2 分
具身智能领域出现Scaling Law信号,ICL技术使机器人通过少量示范完成任务,但数据闭环和泛化能力仍是挑战。
已收录 3 条与 Scaling Law 相关的内容,按评分排序。
中国AI发展面临空间智能瓶颈、数据质量与原创能力三大核心挑战,需从技术范式到人才培养系统性突破。
入选理由:空间智能存在反Scaling Law现象:数据量增加反而导致性能下降
Cerebras 的早期投资与 AI 算力趋势、Scaling Law 的萌芽及百度美研的被遗忘历史被深度探讨。
入选理由:Cerebras 的 WSE 架构被视为英伟达的潜在挑战者。
具身智能领域出现Scaling Law信号,ICL技术使机器人通过少量示范完成任务,但数据闭环和泛化能力仍是挑战。
入选理由:GEN-1.5通过3-12秒动作示范实现59%任务成功率,无需微调参数