涌现

释义

「涌现」（emergence）指当模型参数量、数据量、算力达到一定规模后，模型会突然展现出小模型完全不具备的能力（如多步推理、上下文学习），并非线性渐变，而是「量变引发质变」的跳跃。[1]

由来

该概念随 GPT 系列规模扩大、能力跃升而被反复提及，成为「大力出奇迹」「Scaling Law」叙事的理论支撑，也引发对「智能是否会随规模继续涌现」的争论。

用法

例如：「这能力是规模上来后涌现出来的。」再如：「到底是真涌现还是评测错觉，学界还在吵。」

延伸

「涌现」与 大力出奇迹、幻觉 同属大模型黑话，是理解「为什么模型越大越聪明」的关键词。