موقع币界 يذكر، وموقع ME News يذكر، في 27 مارس (بتوقيت UTC+8)، أشار أستاذ جامعة ستانفورد بيرسي ليانغ مؤخرًا إلى أن قانون التوسع هو في جوهره تحليل رجعي، ولكن إذا تم استخدام طريقة ملائمة ذات انحياز في التوفيق، فقد يؤدي ذلك بصمت إلى تخصيص غير مناسب لموارد الحوسبة بملايين الدولارات على نطاقات الذروة. قام زميله إريك تشيك بدراسة متعمقة لمشكلة الانحياز الموجودة في طريقة التوفيق IsoFLOP المنحنى في شركات مثل Meta وDeepSeek وMicrosoft وWaymo وغيرها، والتي تستخدم قانون التوسع. وتؤكد وجهة النظر في المقالة أن التطبيق الصحيح لقانون التوسع ضروري لتحسين توزيع الموارد في تدريب الذكاء الاصطناعي على نطاق واسع.