待验证50% 置信事实精确时间

2023 年斯坦福大学研究发现采用粒度更细的评估指标时能力提升是平滑渐进的，涌现的相变可能是评估指标选择的人工产物

1

来源数

50%

置信度

长期有效

时效性

2026/7/8

首次发现

来源

并非一切都值得消耗Token：何时用AI，何时用确定性代码

hackernewshackernews2026/7/6

相关事实

已验证斯坦福2023年的论文认为涌现是评估指标选择导致的测量假象，换用平滑指标后能力提升是连续的85% 相似待验证对MoE模型的量化需要格外谨慎，因稀疏激活使专家参数数值分布集中，低比特量化易造成路由偏差导致能力退化65% 相似待验证斯坦福大学2023年研究显示当关键信息位于超长文档中间段落时模型检索准确率显著低于位于开头或结尾64% 相似待验证涌现能力指大模型某些能力在特定参数量阈值后突然出现，由Wei et al. 2022年论文系统记录63% 相似已验证Stanford 2023年研究实验表明，模型对位于上下文中间位置的信息的遗忘率显著高于开头和结尾的内容63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/253593

API

curl https://kongchang.com/api/v1/knowledge/claims/253593

MCP

get_claim(id=253593)