Scaling Laws for Neural Language Models

Dil modeli çapraz entropi kaybının model boyutu N, veri seti boyutu D ve hesaplama bütçesi C ile kuvvet yasası şeklinde ölçeklendiğini ampirik olarak gösterdi.

task-text-generation için mimari kararları, hizalama stratejisini ve sunum altyapısını doğrudan yönlendirir.

Temel Varsayımlar (Assumptions)

• Ampirik dağılım düzenliliği geçerlidir ve hedef alan ön eğitim dilsel/görsel desteğine uygundur

Kısıtlar ve Sınırlamalar (Limitations)

• Kaynak ölçekleme, çıkarım bellek gereksinimleri ve hizalama sağlamlığı model boyutuna ve donanım topolojisine göre değişir