关于大模型的扩展法则（Scaling Laws），下列描述最符合 KM 法则核心观点的是：
模型性能主要受限于模型架构的精细程度，而非数据量
模型性能与参数量、数据集大小及计算量之间存在幂律关系，且随着规模增加性能可预测地提升
只要模型参数量翻倍，推理速度就会自动提升一倍
当模型达到一定规模后，增加数据量反而会导致性能急剧下降