Unverified50% confidenceFactExact time
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
Sources
50%
Confidence
Long-term
Relevance
7/12/2026
First Seen
Sources
深度学习理论：神经网络为何有效？理论研究全解析
hackernewshackernews7/11/2026
Related Claims
Unverified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% similarUnverifiedLLM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% similarUnverifiedGoogle 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% similarUnverified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% similarPartially Verified2023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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/494303API
curl https://kongchang.com/api/v1/knowledge/claims/494303MCP
get_claim(id=494303)