已验证85% 置信事实精确时间
2023年斯坦福大学研究对「涌现」现象提出质疑，认为这在很大程度上是评估指标选择造成的假象，而非模型能力的真实突变
5
来源数
85%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
「随机鹦鹉」再辨：Emily Bender论LLM的理解与意义之争
hackernewshackernews2026/7/6
相关事实
已验证斯坦福大学Rylan Schaeffer团队在2023年提出反驳研究，认为「涌现」可能是评估指标选取不连续导致的视觉假象，而非模型能力的真实非线性跃升81% 相似已验证斯坦福的Schaeffer等人对涌现现象提出质疑，认为涌现可能部分是评估指标选择导致的测量伪影77% 相似待验证Stanford的Schaeffer等人指出，所谓涌现可能是评估指标选择的产物，换用更平滑的度量方式后突变会变回平稳的能力增长曲线69% 相似待验证大模型时代许多重要发现来自实验先行，有些现象如涌现能力、上下文学习至今没有完美的理论解释69% 相似待验证斯坦福大学的研究将多个模型互相正向回应形成的系统性偏差称为「奉承螺旋」（Sycophancy Spiral）68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/170926API
curl https://kongchang.com/api/v1/knowledge/claims/170926MCP
get_claim(id=170926)