📈 AI Scaling Laws Interactive Report (AI 扩展定律互动报告，信息获取截至2025年12月27日)

一个探索人工智能“物理学”的互动式单页应用（SPA）。从 Kaplan 定律到 Chinchilla 修正，再到最新的推理时间扩展（Inference-Time Scaling）。

📖 项目简介

这个项目旨在将复杂的 AI 扩展定律（Scaling Laws）论文转化为直观、可交互的网页体验。它不仅仅是一份静态报告，更是一个允许用户调整参数、模拟计算预算并观察模型性能变化的互动沙盒。

核心目标： 将枯燥的数学公式和论文结论可视化，帮助研究人员、开发者和 AI 爱好者理解大模型发展的底层逻辑。

✨ 核心功能

应用分为四个主要部分，涵盖了 AI 扩展定律的三个时代：

1. 💾 基础时代 (Kaplan Era, 2020)

• 交互式幂律曲线：展示测试损失（Test Loss）与计算量（Compute）之间的对数线性关系。
• 模拟器：拖动滑块模拟从 GPT-2 到 GPT-4 规模的算力变化。

2. ⚖️ 计算最优时代 (Chinchilla Era, 2022)

• Chinchilla 计算器：基于 DeepMind 的 Hoffmann 等人的研究，通过输入总算力（FLOPs），自动计算模型参数量与训练数据量的最优配比。
• 模型散点图：直观对比 GPT-3（训练不足）与 Llama 3 / Chinchilla（计算最优）在参数/数据平面的位置差异。

3. 🧠 推理时代 (Inference Era, 2024+)

• System 1 vs System 2 模拟：演示 OpenAI o1 等模型引入的“测试时计算（Test-Time Compute）”概念。
• 思维滑块：用户可以调整“思考时间”，观察其对数学基准测试准确率的非线性提升。

4. 🚧 挑战与瓶颈

• 数据墙可视化：直观展示高质量人类文本数据的枯竭进度。
• 能源方程：解析训练与推理成本的经济学模型。

🛠️ 技术栈

本项目坚持极简主义和零依赖原则，无需复杂的构建工具即可运行：

• 核心结构：HTML5 (Single File Component)
• 样式框架：Tailwind CSS (CDN 加载，响应式设计)
• 数据可视化：Chart.js + Chart.js Annotation Plugin
• 逻辑处理：原生 Vanilla JavaScript (ES6+)

🚀 快速开始

在线预览

https://cyber-marty.github.io/

本地运行

由于本项目是单文件 HTML，无需安装 Node.js 或运行 npm install。

如果您想快速体验，可以直接复制 index.html 的源码保存到本地并双击打开。

📚 参考引文

本项目的数据模型和可视化基于以下开创性论文：

1. Kaplan et al. (2020): Scaling Laws for Neural Language Models (OpenAI)
2. Hoffmann et al. (2022): Training Compute-Optimal Large Language Models (DeepMind, "Chinchilla")
3. OpenAI o1 System Card (2024): regarding Inference-Time Scaling and Chain of Thought.

📄 许可证

本项目采用 MIT License 开源。欢迎用于教育、演讲或个人学习。

• Circle-Cheng for learn | 2025*