Scaling Law“暴力美学”真的失效了吗？

文｜适道

近期，围绕Scaling Law的讨论不绝于耳。

起因是，The information在一篇文章指出，OpenAI下一代旗舰模型Orion（或称GPT-5）相较于现有模型，能力提升"有限"（代码能力甚至不如现有模型），远不如GPT-3到GPT-4的跃升，而且Orion在数据中心的运行成本更高。为此，OpenAI不得不连夜转变策略。

如果其所言非虚，就不会只有OpenAI一家被困扰。

果不其然，Google也"出事"了。其下一代Gemini模型原本应该是一次重大升级，但有员工透露：近期在大幅增加资源投入后，模型性能未达到领导层预期，团队连夜调整策略。

与此同时，Anthropic被曝已暂停推进Opus 3.5的工作，官网还撤下了"即将推出"字样。

"三巨头"接连碰壁，让人联想到：Scaling Law可能失效了？

Scaling Law，即尺度定律，称得上AI行业的大模型第一性原理。

2020年，OpenAI在论文Scaling Laws for Neural Language Models提出该定律。其核心的观点是，影响大模型性能的三大要素：计算量、数据集大小、模型参数量。当不受其他两个因素制约时，模型性能与每个单独的因素都存在幂律关系。

只要Scaling Law成立，意味着"更大更好""大力出奇迹的暴力美学"——大模型的能力可以通过堆更多的算力、搞更多的参数，喂更多的数据得到大幅提升。

如今，当模型规模和成本大幅增加，但实际性能却提升"有限"时，Scaling Law神话是否会被终结？

正方：Scaling Law神话终结

Ilya Sutskever：扩展训练的结果，已经趋于平稳。

作为Scaling Law的早期倡导者之一，前OpenAI首席科学家Ilya Sutskever表示，扩展训练的结果，已经趋于平稳。即，传统的无监督Pre-training已达极限。

他说，2010年代是 Scaling的时代，现在我们再次回到发现奇迹的时代。每个人都在寻找下一个奇迹。现在重要的是扩大"正确"的规模。

何谓"正确"？Ilya表示，SSI正在研究一种全新的替代方法，来扩展预训练。

虽然他没有透露新方法是什么，但根据OpenAI和Google的尝试，或许可以窥探一二。

OpenAI的研究人员开发推理模型（reasoning models）等新技术，用于弥补传统训练方法的局限性。

Google也效仿这一思路。近几周，DeepMind在Gemini团队内组建了一个由首席研究科学家Jack Rae和前Character.AI联创Noam Shazeer领导的小组，专注于开发类似能力。

此外，DeepMind团队还在手动优化模型性能，包括调整超参数（hyperparameters）等变量。这些超参数决定了模型处理信息的方式，例如，迅速在训练数据中建立概念或模式之间的联系。研究人员通过"模型调优"测试不同的超参数，以确定哪些变量将带来最佳效果。

Arvind Narayanan & Sayash Kapoor：合成数据作用不大

今年6月，普林斯顿大学计算机科学教授Arvind Narayanan与其博士生Sayash Kapoor发表了一篇文章AI scaling myths。文章指出，Scaling"崇拜论"是建立在一系列误解之上。

第一，什么是"更好的"模型？具有"涌现能力"的模型。

Scaling仅仅将困惑度（perplexity）下降进行了量化，即模型能够预测下一个单词。然而，对最终的用户而言，困惑度几乎毫无意义——真正重要的是模型规模增长时，模型呈现出的"涌现能力"，即模型随着大小增加而获得新能力的趋势。

问题在于，"涌现能力"不受任何类似定律的支配。

为什么"涌现能力"不能无限持续？这一问题直指关于LLM能力的核心争议：LLM究竟能否进行外推，还是只会学习训练数据中已有的任务？现有证据尚不完整，不同研究者各执一词。但Arvind Narayanan团队倾向于怀疑态度。在一些专门测试LLM解决新任务能力的基准测试中，其表现往往较差。

如果LLM无法超越训练数据中的内容，就会进入每一个传统的机器学习模型最终都会进入的平台期。

第二，更多的数据从哪里来？

有人认为，新的数据源（例如将YouTube转录为文本）可以增加一两个数量级的可用数据量。确实，YouTube包含约1500亿分钟的视频内容。然而，考虑到其中大部分视频缺乏可用的音频（例如音乐、静止图像或游戏画面），经过去重、质量过滤后，实际可用的训练数据远少于Llama 3所使用的15万亿tokens。

退一步说，关于"数据耗尽"的讨论并不合理。训练数据永远有，只是成本越来越高，比如版权、监管等等。

对于LLM而言，我们可能还有几个数量级的扩展空间，也可能扩展已经结束了。如今，研究的重点已从构建更大数据集，转向提高训练数据的质量。通过精心的数据清理和过滤，可以用更小的数据集构建出同样强大的模型。

第三，合成数据不是万能魔药。

还有一个观点，利用现有模型生成训练数据。

这个观点同样存在误区——开发者并未（也无法）利用合成数据显著增加训练数据的总量。

一篇论文详细列出了合成数据在训练中的用途——主要集中在弥补特定领域的不足，例如数学、编程、低资源语言的优化。同样，英伟达最近推出的Nemotron 340B模型，专注于生成合成数据，是将对齐作为其主要用途。虽然它也有一些其他用途，但取代现有预训练数据源并不在其中。

换句话说，盲目靠生成大量合成数据，无法达到高质量人类数据所具备的效果。

尽管如此，合成训练数据在某些场景中取得了巨大成功，例如2016年AlphaGo 击败围棋世界冠军，以及其后续版本 AlphaGo Zero 和 AlphaZero 的表现。这些系统通过自我对弈学习，后两者甚至能自己生成高质量棋局。

自我对弈是"系统2-->系统1蒸馏"的经典案例，即通过一个缓慢且昂贵的"系统 2"生成训练数据，用于训练快速且廉价的"系统 1"模型。

这种方法在围棋这样完全封闭的环境中表现出色，将其推广到游戏之外的领域仍然是一个有价值的研究方向。在某些重要领域（如代码生成）中，这一策略或许可以发挥作用。然而，我们不能指望在更开放的任务（如语言翻译）上实现类似的无限自我改进。可以预见，通过自我对弈实现大幅提升的领域将是特例，而非普遍规律。

反方：Scaling Law没有墙

OpenAI CEO Sam Altman：there is no wall

前方The information扰乱军心，后方Sam Altman在X平台上发言——there is no wall。

近期，他在Reddit的Ask Me Anything上也表示，OpenAI将在今年晚些时候发布"非常好的版本"。

只不过，鉴于"草莓"炒作的影响、Ilya Sutskever的威望，以及OpenAI的当前表现，Altman的话难免有"挽尊"之嫌。

微软AI主管Mustafa Suleyman：不会有任何放缓

Suleyman在近期采访中表示：模型的规模既在变大，也在变小，这种趋势会持续下去。去年开始流行一种新方法，称为蒸馏。这类方法利用大型、高成本模型来训练小型模型。这种监督效果相当不错，目前已有充分的证据支持这一点。因此，规模仍然是这场竞争中的关键因素，未来还有很大的发展空间，数据量也将持续增长。至少在接下来的两三年内，Scaling Law在提供超预期表现方面的进度不会有任何放缓。

微软CEO Satya Nadella：是定律，并且一直有效

今年10月21日，在微软AI之旅伦敦站活动上，Satya Nadella在演讲中表示：Scaling Law是经验观察所得，但它被我们称作定律，并且一直有效。

微软CTO Kevin Scott：让其他人想去吧

今年7月，微软首席技术官Kevin Scott在接受红杉资本合伙人采访时表示：尽管其他人可能这样想，但是我们在规模化上并没有遇到边际收益递减的情况。

前谷歌CEO Eric Schmidt：没有证据显示

11月14日，前谷歌CEO Eric Schmidt在播客中表示：没有证据表明Scaling Law已经开始停止。他预测在未来五年，人工智能系统的能力将是现在的100倍，能够在物理和数学领域进行推理。

Abacus.AI CEO Bindu Reddy：是技术太成熟了

Bindu Reddy表示，所谓的AI减速实际上无关紧要。主要原因在于AI技术发展的潜力已经几乎在各类基准测试中得以体现。当达到100/100的高分时，就很难再找到新的突破方向。因此，AI 市场的"放缓"更多地反映了技术成熟度，而非创新能力的不足。（你信吗？）

Scaling Law 2.0：token越多，精度也要越高

无论各位如何"挽尊"，都掩盖不了大模型"减速"的事实——感受不到当初的惊艳。

或许，还有其他办法。

近期，来自哈佛大学、斯坦福大学、麻省理工等机构的合作团队发表了一篇题为Scaling Laws of Precision的论文，引发疯狂讨论。

研究提出：精度在模型扩展规律中比之前认为的更加重要，可以显著影响语言模型的性能。在以往描述模型性能随参数量和训练数据量变化的扩展规律，基本忽略了精度这一因素。随着模型规模的不断扩大，低精度的量化或将不再有效。

首先，通过实验，研究人员制订了新的精度缩放定律。另一项重要发现则提出了预训练期间计算的最优精度。根据该研究，当同时优化参数数量、数据和精度时，这一精度通常与计算预算无关。

其次，普遍采用的16位模型训练法并非最优，因为很多位是多余的。然而，使用4位进行训练则需要不成比例地增加模型大小，以维持损失缩放。研究人员的计算表明，对于较大的模型而言，7-8位是计算最优的。

当模型大小从一开始就固定时，情况就会发生变化：更大且更好的模型应以更高的精度进行训练——例如，使用16位的Llama 3.1 8B模型。实际的计算节省还取决于硬件对更低精度的支持。此外，这里研究的模型（参数最多达17亿个）尚未在最大的实际规模上进行测试。不过，这些一般趋势仍然适用于更大的模型。

CMU教授 Tim Dettmers表示，这是长久以来最重要的一篇论文。他认为，人工智能的大部分进步都来自计算能力的提升，而（最近）这主要依赖于低精度路线的加速（32- > 16 - > 8位）。现在看来，这一趋势即将结束。再加上摩尔定律的物理限制，大模型的大规模扩展可以说要到头了。他预计，随着低精度带来的效率提升达到极限，将出现从纯规模扩张向专用模型和人本应用的转变。

AGI路漫漫。不过，大家无需灰心。

退一万步，正如OpenAI研究人员Steven Heidel 所言，就算现在LLM 停滞了，在当今模型的基础上，还有至少十年的产品等着你去开发。

是不是又干劲十足了。