现代大语言模型(LLM)在推理阶段具备可扩展性,例如通过重复采样(repeated sampling)提升性能,但其推理开销会随模型规模及采样次数同步增长。这一特性引出了一个权衡问题,而传统的预训练缩放定律(如Chinchilla定律)并未对此加以考虑。本文提出“训—推联合缩放定律”(Train-to-Test Scaling Laws,简称 $T^2$),在端到端总预算固定的前提下,对模型参数量、预训练数据量(以token计)以及推理阶段采样次数这三个关键维度进行联合优化。$T^2$ 在传统预训练缩放定律基础上进行了现代化升级:一方面引入面向推理时缩放的 pass@$k$ 建模方法,另一方面将预训练决策与推理时决策纳入统一优化框架。$T^2$ 的预测结果在不同建模路径下均展现出稳健性:既可通过任务损失(task loss)量化三者联合缩放的整体效应,也可通过任务准确率(task accuracy)刻画其对最终性能的影响。我们在八个下游任务上开展实证分析发现:当将推理开销纳入考量后,最优预训练策略发生根本性转变——模型需大幅“过训练”(overtraining),其对应的预训练规模远超标准预训练缩放定律(如Chinchilla)所建议的常规范围。我们进一步通过实验验证该结论:在 $T^2$ 预测出的最优过训练区域中实际预训练若干高度过训练的模型,结果证实其性能显著优于仅依据传统预训练缩放定律所确定的模型。最后,鉴于当前前沿大语言模型普遍经历后训练(post-training)阶段,我们还验证了上述结论在后训练之后依然成立,从而表明 $T^2$ 缩放定律对现代大模型的实际部署具有切实指导意义。

