已验证80% 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
4
来源数
80%
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
待验证斯坦福大学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% 相似待验证斯坦福的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《纽约时报》近期发表报道揭示随着推理模型迭代进化，幻觉问题不降反升的趋势63% 相似待验证研究者正探索分块扩散（Chunk-wise Diffusion）等方法缓解扩散模型的逻辑自洽性问题，但尚未形成成熟方案63% 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)