待验证60% 置信事实精确时间

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

2

来源数

60%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

AI大模型入门：核心概念与国产模型全景解析

相关事实

待验证蒸馏、稀疏化与推理侧扩展等技术进步可能使低算力模型获得接近高算力模型的能力，算力阈值需要定期校准才能维持有效性。80% 相似待验证随着生成模型迭代，这些逻辑破绽正在快速减少，但只要底层机制仍基于统计学习而非物理理解，某种形式的逻辑漏洞就很难被彻底消除77% 相似待验证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% 相似已验证模型可能陷入过度思考（Overthinking）的陷阱，更长的推理时间并不总是带来更好的结果76% 相似已验证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% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/541124

API

curl https://kongchang.com/api/v1/knowledge/claims/541124

MCP

get_claim(id=541124)