首页AI 频道AI 术语词典涌现能力(Emergent Abilities)
涌

涌现能力(Emergent Abilities)

概念与安全 2 次浏览 更新于 2026-11-19 22:02
返回术语列表

一句话理解

量变引起质变的 AI 版——小模型完全不会的能力(比如多步推理),模型规模跨过某个门槛后突然出现,像自己“长出来”的。

定义

涌现能力(Emergent Abilities)指在小模型中不存在、随参数量与数据规模增长而在更大模型上突然出现的能力,如复杂推理、指令泛化、上下文学习,是大模型时代最引人深思的现象之一。

你会在哪遇到它

讨论“为什么大模型这么聪明”时;Scaling Law 争论的核心证据;讨论 AI 风险不可预测性时被反复引用。

背后的原理

两种解释并行:一是“真的突变”——某些任务需要多步正确串联,小模型每步都错,规模上来后每步正确率提升,整条链的正确率指数级跃升;二是“度量假象”——评测指标本身不连续,能力其实在平滑增长,只是指标看起来突变。两种解释都有实验支持,争论至今没有定论。

和相近概念的区别

1 与 Scaling Law:Scaling Law 描述损失随规模可预测地下降,涌现强调某些能力“不可预测地出现”,一个平滑一个跳跃。 2 与教会的能力:微调出来的技能是教的,涌现是没人教过的。 3 与人类顿悟:形似而机制未必相同,要警惕过度类比。

常见误区

1 涌现等于神秘超能力——可以用链式概率与指标伪影解释,不是玄学。 2 涌现能力清单永远可靠——不同论文对同一能力是否涌现结论可能相反,取决于评测设计。 3 小模型永远不会——训练数据与方法改进后,小模型也能解锁原本“涌现”在大模型上的技能。

所属分类概念与安全
更新时间2026-11-19 22:02
浏览量2
点赞0
每个 IP 仅可点赞一次 · 点赞后不可取消

评论 (0)

发表评论

0/300

暂无评论,来发表第一条评论吧!

便签
已输入:0/500字

    扫码访问工具