智谱唐杰提出规模化正确性 取代Scaling法则

时间：2026年10月31日 地点：上海（2026世界顶尖科学家论坛·主论坛） 人物：唐杰（清华大学教授、智谱AI联合创始人） 事件详情：唐杰在主论坛演讲中提出，应当用「规模化正确性」取代自ChatGPT上线以来主导大模型研发的「规模化法则」（Scaling Law），建立一门关于模型规模缩放的科学。他的理由是，规模化法则只拟合训练损失，训练损失下降不等于推理可靠、代码可运行、长任务无幻觉。他把规模化失效归为6个维度：优化与超参数、模型架构、数值精度、并行与系统工程、数据、后训练，任何一个维度失效都可能让整个项目翻车；相应的方法论是把评价单元从「任务驱动、单点对比」改为「缩放范式、曲线对比」，用小规模拟合出的缩放曲线预测万亿参数级模型的表现。新浪次日的论坛综述里，唐杰的观点被概括为：依赖算力与数据堆叠的规模化法则已逼近瓶颈，应转向规模化正确性，让AI成为可验证、可推理、可复现的科研新范式。 背景：2022年11月ChatGPT上线后，大模型研发基本遵循规模化法则，即在其他条件不构成瓶颈时，测试损失与参数量、训练数据量、训练算力呈幂律关系，三者同步放大就能换来能力提升。唐杰认为这其实是一条偷懒路径：对话大模型升级为智能体之后，单次训练投入巨大，一个算法在小规模跑通、放大后失效，算力和时间会全部付诸东流；而AI要处理的真实任务复杂度，远超任何单一基准测试能囊括的范围。对于被业界普遍视为AGI关键路径的递归式自我改进（RSI），他指出能否跑通不取决于模型能不能生成下一步，而取决于它能不能判断这一步是不是进步，他把这种内化的评判能力称为「自净化」。 影响：这套判断直接指向前沿实验室的投入方式。如果6个维度上的失效无法在小规模阶段被提前识别，大模型项目的算力与时间投入就可能打水漂，因此「先小规模验证可否外推」会变成研发流程里的前置工序。对递归式自我改进这条路线，唐杰把门槛从「能不能生成改进」换成「能不能识别改进」，等于把评估与对齐问题放在了能力问题之前。唐杰本人是清华教授、智谱AI联合创始人，也是智谱CEO张鹏与月之暗面创始人杨植麟的导师，他的表态在国内大模型圈有相当的指向性。 总结：唐杰在顶科论坛给出的核心判断是，规模化法则已逼近瓶颈，下一步要把「规模放大之后结论还成不成立」变成一门可验证的科学，也就是规模化正确性。对读者最实用的一句话是，判断一个模型方案能不能上规模，看的不是训练损失曲线，而是它在6个维度上是否可外推。这条路线目前是研究纲领而非产品发布，能不能兑现，要看后续是否真能给出可预测大规模表现的缩放曲线。 参考来源： 上观新闻：“首富教授”唐杰在顶科论坛演讲：用AI规模化正确性取代规模化法则 https://www.jfdaily.com.cn/staticsg/res/html/web/newsDetail.html?id=1204706&sid=11 上观新闻导出版：唐杰在顶科论坛演讲，用AI规模化正确性取代规模化法则 https://export.shobserver.com/toutiao/html/1204706.html 上观新闻站点版：唐杰在顶科论坛演讲：用AI规模化正确性取代规模化法则 https://www.shobserver.cn/staticsg/res/html/web/newsDetail.html?id=1204706&sid=11 东方财富：智谱AI联合创始人唐杰在顶科论坛演讲：用AI规模化正确性取代规模化法则 https://finance.eastmoney.com/a/202610313917620319.html 新浪新闻：顶科论坛开幕 AI驱动科学范式变革各方观点 https://news.sina.cn/bignews/opinion/2026-11-01/detail-inixetzy0995765.d.html?vt=4