通俗解释
DeepMind 发现此前大模型普遍“参数太多、数据太少”。70B 的 Chinchilla 用 1.4 万亿 token 训练，击败了 280B 的 Gopher。如今许多模型会远超这一比例以降低推理成本。
用在哪里：大模型训练数据量规划
01原始论文
Training Compute-Optimal Large Language Models
Jordan Hoffmann, Sebastian Borgeaud, Arthur Mensch, et al. · 2022
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
相关：μP 超参迁移
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
所在学习路线：从零理解一个大模型
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
chinchilla)