已验证65% 置信事实精确时间
涌现能力指模型在规模达到一定阈值后突然表现出训练阶段未被明确设计的能力，这一现象最早由Google Research团队在2022年系统性地描述
3
来源数
65%
置信度
长期有效
时效性
2026/8/9
首次发现
来源
相关事实
待验证自适应推理技术路线包括难度感知路由、早停机制、预算控制训练及Mixture-of-Depths等，Meta、Google DeepMind等机构在2024-2025年间发表了相关工作72% 相似待验证2024年多项研究发现部分模型在标准基准上的优秀表现源于训练数据中混入了基准测试题目本身（数据污染）70% 相似待验证大模型进入后预训练时代后，单纯堆砌参数带来的能力收益愈发递减，厂商转向后训练阶段寻求突破69% 相似待验证训练时扩展定律（scaling law）由Kaplan等人在2020年提出，认为模型能力主要由参数量、训练数据量和训练算力决定67% 相似待验证2023年谷歌DeepMind等机构的研究证实，模型的记忆化（Memorization）行为与训练数据的重复次数密切相关67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/717530API
curl https://kongchang.com/api/v1/knowledge/claims/717530MCP
get_claim(id=717530)