Unverified50% confidenceFactExact time
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
Sources
50%
Confidence
Long-term
Relevance
7/17/2026
First Seen
Sources
Related Claims
Unverified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% similarUnverified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% similarUnverified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% similarUnverified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% similarUnverified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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/541124API
curl https://kongchang.com/api/v1/knowledge/claims/541124MCP
get_claim(id=541124)