scaling law
PulseAugur coverage of scaling law — every cluster mentioning scaling law across labs, papers, and developer communities, ranked by signal.
-
AI 的下一个前沿：超越 Scaling Laws 的数据高效学习
BIMSA 的研究员王亚庆认为，AI 的 Scaling Law 范式正因数据稀缺和高昂的计算成本而触及极限。她提出“数据高效的智能体学习”（Data-Efficient Agentic Learning, DEAL）作为下一个前沿，并将其与人类智能通过遗传、文化和经验利用先验知识进行类比。她的工作综合了少样本学习、元学习到上下文学习的进展，并提出大型模型通过其架构和海量训练数据隐式地执行元学习。
-
腾讯KDD Cup 2026寻求推荐系统“Scaling Law” · 追踪1个来源
由腾讯营销赞助的KDD Cup 2026专注于统一推荐系统中的序列建模和特征交互，旨在发现该领域的“Scaling Law”。该竞赛提供超过600万元人民币奖金，吸引了全球超过13000名参赛者。获胜解决方案，如CRAFT特征迁移机制和QueryFormer方法，在AUC和计算效率方面取得了显著改进，预示着更统一和可扩展的推荐架构的道路。
-
中国AI公司聚焦逻辑与推理，亮相IJCAI 2026
在德国不来梅举行的第35届国际人工智能联合会议（IJCAI 2026）将聚焦“系统2”思维，强调逻辑和推理而非单纯的规模。尽管中国计算机学会将其分类降级，但包括主要科技公司在内的中国机构深度参与其中，展示了知识表示、规划和优化等领域的研究。蚂蚁集团、美团、京东、腾讯、百度、阿里巴巴和华为等公司正在展示多智能体系统、神经符号AI和可解释性方面的成果，旨在解决实际业务挑战并建立技术主权。
-
元力觉醒发布 DM0.5 具身智能模型，训练数据达 15 万小时
元力觉醒（Force Field Intelligence）发布了其新一代具身智能基础模型 DM0.5，该模型接受了 15 万小时数据的训练。DM0.5 旨在通过整合真实世界场景和开发者平台来解决具身智能领域的数据瓶颈问题。该模型拥有更大的参数规模、更多的数据量以及上下文抽象层和具身思维链任务等架构创新，在 Zero-Shot 泛化能力和微调效率方面取得了显著提升。
-
统计学教授苏炜杰加入OpenAI应对大模型挑战
来自宾夕法尼亚大学沃顿商学院的杰出统计学教授苏炜杰已加入OpenAI，为他们的模型训练工作做出贡献。他从学术界转向工业界的动力源于进行大规模实验的愿望，以及解决当前受工程限制瓶颈的大型语言模型中的根本性挑战。苏炜杰认为，随着人工智能的发展，数学和统计学领域的理论专业知识对于取得突破将变得越来越重要，尤其是在鲁棒性、数据理解和对齐等领域。