DeepMind 提出的 Chinchilla 扩展法则给出的核心启示是：
只要算力充足，参数量越大的模型性能永远越好，无需考虑数据量
当算力预算增加时，应同比例地增加模型参数量和训练数据量，许多早期模型往往“训练不足”
175B 参数的模型是人类能训练的极限
模型的训练数据应该全部来自教科书，以保证质量