待验证50% 置信观点精确时间

当模型参数和数据量达到一定规模，一些训练中未显式教授的能力会涌现出来，比如少样本学习、思维链推理、跨语言迁移

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

LLM真的"理解"语言吗？从注意力机制看模式识别之争

涉及实体

Emergenceconcept LLMconcept

相关事实

已验证单纯堆砌参数而训练数据不足会导致模型大而不强，参数跃升需配合同步扩大的训练语料与算力才能兑现能力增益78% 相似待验证Skill本质上是通过模拟少样本学习效果，在不修改模型权重的前提下，通过提示模板约束模型的输出分布75% 相似待验证分层产品线背后的技术路径主要有两种：训练参数量不同的独立模型，或通过知识蒸馏将大模型能力压缩进更小的学生模型75% 相似待验证模型能力高度依赖训练数据的分布，法律文本充足而空间推理题的文本化表示相对稀少74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/997595

API

curl https://kongchang.com/api/v1/knowledge/claims/997595

MCP

get_claim(id=997595)