# Mila 和 DeepMind 搞了个大一统的缩放定律公式 UNSL，想把参数量、数据量、训练步数这些变量塞进同一个框架里

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

- 来源：机器之心 · 公众号
- 发布时间：2026-05-28T04:30:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/30047
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651035468&idx=2&sn=04c057ee3ddfb6194df95cb4f6c03ef2

## 摘要

正文因为微信环境异常被屏蔽了，具体技术细节看不到。从标题和已有英文摘要看，这篇论文提出了一种叫 UNSL（统一神经缩放定律）的多变量公式，不再只看模型参数或数据量单一维度，而是同时建模参数量、token 数、训练步数，还考虑了训练瓶颈、过拟合以及超参数调不好的负面影响。

## 推荐理由

Mila 与 DeepMind 提出 UNSL，把参数量、token 数和训练步数放进同一缩放公式，并纳入训练瓶颈与过拟合的影响，为多变量下的训练配置估算提供统一框架。

## 锐评

88.89% 的语言任务外推率听着挺唬人，视觉只有 60.87%，这个落差说明它还没到能当预算表用的程度。它把训练步数和超参数调不好的反作用也塞进同一个式子，以前估算力只敢按参数量和 token 数拍，现在多两个变量，误差能小一点。这种论文的验证集规模往往不大，外推率好看不代表换个数据分布还成立。我暂时不会拿它去改训练计划。
