待验证50% 置信事实精确时间

当模型规模跨越某些阈值后会涌现出此前不具备的能力（涌现能力），如多步逻辑推理和复杂数学计算

1

来源数

50%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

AI大模型入门：核心概念与国产模型全景解析

相关事实

待验证模型性能的瓶颈不仅在于参数量，更在于表示的质量，嵌入空间坍缩的模型即使参数再多也无法充分发挥潜力77% 相似待验证当前大模型能力的瓶颈已从模型不够聪明转移到系统不够完善，模型能力的边际提升越来越小而系统工程层面的优化空间巨大76% 相似待验证上下文越长，模型推理速度越慢，即存在上下文长度与推理性能之间的权衡76% 相似待验证小模型比大模型更易发生嵌入坍缩，原因包括参数容量有限、优化捷径倾向和各向异性问题被放大76% 相似待验证随着大模型推理能力增强，单次调用消耗的token显著攀升，在固定用量限制下形成「更强模型」与「更快触及上限」的悖论76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/541124

API

curl https://kongchang.com/api/v1/knowledge/claims/541124

MCP

get_claim(id=541124)