概述
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。
大型语言模型的新兴能力是用于大规模阅读、生成、分类和转换文本和语音的语言人工智能堆栈的一部分。
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。
技术洞察
涌现是否“真实”通常取决于衡量标准。通过精确匹配评分的任务在每一步都正确之前给出零积分，因此每个令牌准确性的稳定潜在收益可能表现为突然的飞跃。切换到连续指标，例如代币级可能性或部分信用，曲线通常看起来很平滑。因此，涌现反映了真正的能力增长与所选评分规则中内置的不连续性之间的相互作用。
掌握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。大型语言模型的新兴能力是用于大规模阅读、生成、分类和转换文本和语音的语言人工智能堆栈的一部分。为了建立深入的理解，请将大型语言模型的涌现能力视为一种操作模型，而不是单个功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，强大的团队使用大型语言模型的新兴能力将提示、检索和审查循环设计为一个集成的通信系统。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
语言工作流程可以在不牺牲一致性的情况下更快地移动。与此同时，幻觉事实可以悄悄地进入报告、支持流程或研究成果。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
语言工作流程可以在不牺牲一致性的情况下更快地移动。
语言工作流程可以在不牺牲一致性的情况下更快地移动。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
它扩展了跨语言和沟通方式的访问。
它扩展了跨语言和沟通方式的访问。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
团队可以花更多时间进行判断，而自动化则可以处理重复。
团队可以花更多时间进行判断，而自动化则可以处理重复。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
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。
实施模式
大型语言模型在实践中的涌现能力
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。
大型模型解决了较小版本在机会级别上回答的多步骤文字问题。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
大型语言模型在实践中的涌现能力
模型在跨越规模阈值后突然遵循复杂的、前所未见的指令。
模型在跨越规模阈值后突然遵循复杂的、前所未见的指令当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
大型语言模型在实践中的涌现能力
只有当模型达到足够的尺寸时，思维链才会促进推理。
只有当模型达到足够的规模时，思想链才会促进推理。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
大型语言模型在实践中的涌现能力
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。
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。当团队预先定义质量阈值、为边缘情况保留人工升级路径、并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
风险与防护栏
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。
实施路线图
在推出之前定义输出格式、语气和质量标准。
在推出之前定义输出格式、语气和质量标准。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
当准确性很重要时，请使用可信来源进行地面响应。
当准确性很重要时，请使用可信来源进行地面响应。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
为高风险输出保留人工审查检查点。
为高风险输出保留人工审查检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪故障模式并定期重新训练提示或工作流程。
跟踪故障模式并定期重新训练提示或工作流程。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。