待验证50% 置信事实精确时间
研究者发现当模型参数量跨越某一阈值时，代码推理能力会出现非线性跃升，这一现象在GPT-4、Claude 3等模型上均有体现
1
来源数
50%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
Vibe Coding进阶：SuperPowers与GStack让AI编码真正收敛
bilibili码士集团-踢踢2026/7/9
相关事实
待验证2020年Kaplan等人提出的原始Scaling Law倾向于在固定算力下优先扩大模型参数量，导致GPT-3等模型相对训练数据量参数偏大75% 相似待验证当前主流代码生成模型（包括 GPT-4、Claude 等）本质是基于代码语料训练的概率模型，训练目标是预测下一个 token 的条件概率，而非执行逻辑验证72% 相似已验证当模型参数量突破某个临界点后会涌现出推理、调试等在小模型上看不到的能力，被称为涌现能力（Emergent Abilities）69% 相似待验证当前机制可解释性的大多数成果集中于参数规模较小的模型（如GPT-2级别），现有方法能否迁移到数千亿参数的前沿大模型尚未验证69% 相似待验证当模型参数量超过某一阈值，其处理复杂推理任务的能力会出现非线性跃升，这一涌现现象被Google Brain等机构的研究系统记录68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/472392API
curl https://kongchang.com/api/v1/knowledge/claims/472392MCP
get_claim(id=472392)