部分验证75% 置信事实精确时间

少样本学习能力在GPT-2（15亿参数）时代几乎不可用，到GPT-3（1750亿参数）突然变得实用

3

来源数

75%

置信度

长期有效

时效性

2026/9/6

首次发现

来源

为什么"下一词预测器"是理解大模型的错误心智模型

涉及实体

GPT-2model GPT-3model few-shot learningconcept

相关事实

待验证GPT-4于2022年8月训练完成，参数量不到2万亿；当前GPT-5.6约4万亿参数，Fable约10万亿参数，仅为GPT-4的5到6倍77% 相似已验证GPT-3拥有1750亿参数，并在2020年展现出涌现能力（零样本或少样本推理能力）77% 相似待验证GPT-3 首次证明当模型参数量突破千亿级别时代码理解和生成能力出现质的飞跃，被称为「涌现能力」75% 相似待验证2020年后，以GPT-3为代表的纯解码器自回归模型凭借涌现能力和少样本学习特性确立了主流地位74% 相似待验证无法通过提示词让GPT-3做出GPT-4级别的推理，因为模型权重容量决定了它能编码的互信息上限74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/865872

API

curl https://kongchang.com/api/v1/knowledge/claims/865872

MCP

get_claim(id=865872)