概述
它们很重要，因为它们使能力难以通过小规模实验来预测。
深入探讨
Wei 及其同事在 2022 年发表的一篇论文中流行起来，“涌现”是指较小模型的性能保持接近机会的任务，然后一旦模型跨越参数、数据或计算的大小阈值，性能就会急剧跳跃。报告的示例包括多步算术、某些推理基准以及遵循新颖的指令。引人注目的部分是不连续性：技能并没有逐渐提高，似乎不存在，然后又出现。 Schaeffer 及其同事在 2023 年的后续行动中认为，某些出现在一定程度上是一种测量伪影，因为严格的“全有或全无”指标（例如精确匹配）会夸大突然的跳跃，而在较软的评分下，这些跳跃看起来很平滑。这场辩论重塑了研究人员报告扩展结果和选择评估指标的方式。
现实世界的实施
大型模型解决多步骤的文字问题，而较小的模型则在机会级别上回答。
模型在跨越规模阈值后突然遵循复杂的、前所未见的指令。
只有当模型达到足够的尺寸时，思维链才会促进推理。
研究人员通过部分信用评分重新规划“突然”的基准跳跃并找到一条平滑的曲线。
大型语言模型的新兴能力的未来
研究人员现在将扩展研究与多个指标结合起来，将真实的相位变化与伪影区分开来，并探究哪些功能真正达到了扩展的目的。更好的可预测性对于安全至关重要，因为不可预见的能力可能包括危险的能力。预计在提前预测能力的缩放法则方面会有更多工作，加上仔细的基准设计，以便所谓的“出现”反映模型行为而不是测量的怪癖。
付诸实践
为什么这很重要
- 速度与规模. 语言工作流程可以在不牺牲一致性的情况下更快地移动。
- 交通与覆盖范围. 它扩展了跨语言和沟通方式的访问。
- 更清晰的判决. 团队可以花更多时间进行判断，而自动化则可以处理重复。
留意
- 幻觉的事实可以悄悄地进入报告、支持流程或研究成果。
- 及时的敏感性可能会在类似的请求中产生不一致的结果。
- 如果访问控制薄弱，敏感文本数据可能会暴露。
后续步骤
- 在推出之前定义输出格式、语气和质量标准。
- 当准确性很重要时，请使用可信来源进行地面响应。
- 为高风险输出保留人工审查检查点。
- 跟踪故障模式并定期重新训练提示或工作流程。
不断探索
常见问题
什么是大型语言模型的涌现能力？
突现能力是指一旦达到一定规模就会在大型语言模型中突然出现的技能，即使较小的模型没有表现出这些迹象。它们很重要，因为它们使能力难以通过小规模实验来预测。
What did early emergence reports describe?
The cited work described apparently sharp capability changes for some tasks.
What alternative did Schaeffer and colleagues argue?
The follow-up argues nonlinear or discontinuous metrics can create apparent abrupt jumps.
Why can exact-match scoring make a gradual skill look abrupt?
The study explains that all-or-nothing metrics can exaggerate a discontinuity.
What might happen if partial-credit or continuous metrics are used?
The paper reports metric changes can reveal smoother performance trends.
What is needed before concluding a new ability appeared at a scale threshold?
The research debate emphasizes metric choice and better statistics.