14:24Lilian Weng@lilianweng精选74°Lilian Weng 发布了一篇关于 scaling laws 的博文,详细解释了如何通过缩放定律在数据量和模型尺寸之间做计算最优分配。文章对比了 Kaplan et al.(2020)和 Chinchilla(2022)两篇经典论文的分歧:前者主张模型尺寸随计算量更快增长,后者主张等比例增长。文中还指出数据限制和拟合细节会使外推变得不可靠。AI模型Scaling LawsChinchillaKaplan et al.计算最优Lilian Weng推荐理由:想搞懂 Scaling Laws?Lilian 这篇把 Kaplan vs Chinchilla 的争论讲透了,还有实操建议。原文
AITOP5月29日 08:02Opus 4.8发布:编程助手的“静默时刻”,是解放开发者,还是新门槛?🔥Anthropic 把 AI 编程的“确认键”彻底删掉了!Claude Code 搭载全新 Opus 4.8 模型,长时间任务不跑偏、不废话、不中断,像一个资深工程师一样默默干活,从功能开发到漏洞清扫全包圆,你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”,现在它直接交完整交付物……自主编程的最后一层窗户纸,被捅破了。做自动化开发和代码审查的团队,这个模型建议直接上手,效率差距肉眼可见……