待验证50% 置信事实精确时间

Wei等人在2022年系统记录了大模型涌现能力现象，发现某些能力在小模型上几乎为零而在大模型上急剧提升，呈现非连续的相变特征

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

深度学习理论：神经网络为何有效？理论研究全解析

hackernewshackernews2026/7/11

相关事实

待验证某些AI能力在模型规模低于特定阈值时几乎为零，跨越阈值后急剧提升，呈现非线性的'相变'特征70% 相似待验证LLM新模型的平均评估指标可能优于旧模型，但会在小众关键场景中出现退化68% 相似待验证Google Brain团队于2022年系统记录了涌现能力现象，发现某些能力在模型达到特定规模前几乎为零，之后突然跃升68% 相似待验证大模型的性能提升已经明显放缓，最近新版本的评分甚至不一定超越之前的模型，能力基本已定型65% 相似部分验证2023年斯坦福大学Nelson Liu等人的研究发现，当关键信息被放置在长上下文的中间位置时，模型性能可下降超过20%64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/494303

API

curl https://kongchang.com/api/v1/knowledge/claims/494303

MCP

get_claim(id=494303)