Unverified50% confidenceFactExact time
Google DeepMind研究表明，涌现能力表现为非线性的相变特征，模型参数量从10B增长到100B过程中某些复杂推理能力会突然跃升
1
Sources
50%
Confidence
Long-term
Relevance
7/20/2026
First Seen
Sources
Related Claims
Unverified谷歌DeepMind团队在2022年的研究中记录了超过150种在小模型中缺失、却在大模型中出现的能力，包括多步推理、类比迁移与少样本学习77% 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73% similarUnverifiedM2.5采用混合专家架构（Mixture of Experts，MoE），每次推理只有10B参数真正参与计算，总参数量可能远超10B70% similarUnverified研究数据表明，在数学竞赛级别问题上，启用深度推理的模型准确率可从不足30%提升至80%以上67% similarUnverified在广告点击率预估中，业界普遍认为深度模型在千万级以上样本时才开始展现明显优势，百万级以下GBDT模型往往更稳健67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/565171API
curl https://kongchang.com/api/v1/knowledge/claims/565171MCP
get_claim(id=565171)