视觉设计 · 论文插图 · 外部收藏

模型缩放规律图

未记录模型

提示词

横向 16:9 对数刻度训练损失与计算量关系图，四条不同模型规模的曲线。 X 轴 "Training compute (FLOPs)" 以对数刻度标注 "1e20"、"1e21"、"1e22"、"1e23"、"1e24"。Y 轴 "Validation loss (cross-entropy)" 线性递减刻度 "3.5"、"3.0"、"2.5"、"2.0"、"1.5"。四条下降曲线，带 ±1σ 阴影带，尾部附近标注： "70M params"（石板灰）、"1B params"（柔和海军蓝）、"10B params"（尘土绿松石）、"70B params"（柔和陶土色）。暖铜色虚线对角线，标注 "compute-optimal frontier"；在等计算量交叉点处有空心圆。右上角图例框。标题："Empirical scaling laws: loss vs training compute"。副标题："四种模型规模使用固定数据混合；阴影带表示三次实验的 ±1 标准差。"

原始生成信息

平台: 未记录
模型显示名: 未记录模型
模型 ID: 未记录
模型证据: unknown
生成时间: 未记录

来源与使用说明

作者: Wuyoscar（整理）
贡献者: wuyoscar/GPT-Image2-Skill
来源: 查看原始来源
Prompt 许可: unspecified
媒体许可: unspecified

收录自 GPT-Image2-Skill（上游提交 05cb1130bba29e0fc028220376280a2e934a8041，案例 No. 84）。上游仓库声明 MIT License，并要求保留图库作者和来源标注；部分案例另有第三方作者/来源，原始素材的单独授权未核实。仓库许可全文见本站项目 docs/third-party/GPT-Image2-Skill-LICENSE.txt。源图库：https://github.com/wuyoscar/GPT-Image2-Skill/blob/05cb1130bba29e0fc028220376280a2e934a8041/skills/gpt-image/references/gallery-research-paper-figures.md