MENTAL MODEL · M3885
逆向缩放
Inverse Scaling
更新于 2026-08-11
CORE DEFINITION · 核心定义
通常认为模型越大（参数越多）能力越强，但在某些特定任务中，随着模型规模的增大，其表现反而变得更差。这是因为大模型过度拟合了某种错误的"直觉"或"偏见"，而小模型反而因为"无知"而没有犯错。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
增长陷阱识别。打破"大即是好"的线性思维。在企业扩张或个人成长中，提醒我们警惕那些随着规模扩大反而效率降低、错误率上升的领域，这通常意味着底层逻辑存在根本性谬误。
anchor
锚定快速决策
模型规模扩大时，某些任务的表现反而变差。机制是大模型在训练中过度拟合了数据中占主导的错误直觉或偏见，规模把这些先验放大并强化；小模型因容量有限反而没「学会」错误模式，表现更稳。推广到一般系统：规模放大的是系统底层的错误假设，而不是自动修正它——线性外推「大即是好」会在这些任务上系统性地失效。
MINIMUM ACTION · 最小行动
进行中 0/1在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- arxiv.orghttps://arxiv.org/abs/2306.09479verified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型