**多变量神经缩放定律迈向大一统：Mila联手DeepMind提出UNSL**

> 机器之心报道，传统的大模型缩放定律（Scaling Law）通常仅关注模型参数、数据量和计算量对性能的影响。然而，真实训练过程受更多因素制约，如训练步数、token数量、数据重复使用、批大小、学习率、初始化尺度及推理计算量等。Mila（蒙特利尔学习算法研究所）与DeepMind联合提出了新的统一缩放定律（UNSL），旨在将这些多变量纳入统一框架，从而更全面地预测和优化大模型训练，推动AI模型扩展研究的系统化发展。

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：论文
- **发布时间**：2026-05-28 13:27（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-05-28-10)