待验证50% 置信事实精确时间

大语言模型展现出的涌现能力使得技术进步具有高度不可预测性，当模型规模跨过某个计算阈值时会突然展现出训练者未曾明确设计的新能力

1

来源数

50%

置信度

长期有效

时效性

2026/8/28

首次发现

来源

AI监管之争：技术叙事与监管俘获背后的权力博弈

涉及实体

涌现能力concept 大语言模型technology

相关事实

待验证随着模型规模从百万参数扩展至千亿参数，不理解底层数学的工程师越来越难以诊断训练不稳定、梯度爆炸或模式崩塌等问题79% 相似待验证文生图模型的理解本质上是大规模统计关联，面对训练集中稀少出现的长尾概念时生成质量会显著下滑77% 相似待验证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75% 相似待验证仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力74% 相似待验证大型语言模型的规模逐渐逼近工程优化的极限，单纯依靠堆叠算力和数据的暴力扩展路线开始遇到瓶颈74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/810520

API

curl https://kongchang.com/api/v1/knowledge/claims/810520

MCP

get_claim(id=810520)