Diogo指出Kaplan等人的Scaling Law存在技术缺陷，导致“参数越大越好”的错误结论。DeepMind的Chinchilla论文于2022年纠正了这一问题，提出了20:1的Token/参数最优比，促使行业转向更合理的训练策略。Meta的LLaMA系列和OpenAI的GPT-4等模型遵循这一原则，推动了AI训练方法的演变。虽然Diogo的文章有价值，但并非新发现，而是对已被纠正的技术偏差的回顾。