第 8 题：大模型的涌现能力（Emergent Abilities）
第 8 题：大模型的涌现能力（Emergent Abilities）
题目
解释大模型的涌现能力（Emergent Abilities），并举例说明。
一、什么是涌现能力？
涌现能力指某些能力在小模型上几乎看不到，但当模型规模（参数量、数据、算力等）达到某个阈值后，在较窄的规模区间内突然出现或明显跃升，而且很难用对小模型的平滑外推来预测。
强调三点：
- 突然性：不是随规模线性变好，而是在某个规模区间内“拐点”式提升。
- 规模相关：和模型大小、数据、算力强相关，不是单纯调 prompt 或工程能得到的。
- 外推困难：小模型上的表现无法平滑外推预测大模型会不会有该能力。
面试常问：“涌现是啥？”——可以一句话：随规模突然出现、小模型外推不了的能力。
二、典型例子（要能举出 2–3 个）
- 少样本 / 零样本学习（ICL）：小模型在 prompt 里给几个示例几乎没提升；大到一定规模（如 GPT-3 级别）后，few-shot 甚至 zero-shot 就能显著提升任务表现，即 in-context learning。
- 链式推理（CoT）：小模型“一步步想”的推理很弱；规模上去后，加上“Let's think step by step”等提示，数学/逻辑题正确率明显跃升。
剩余60%内容，订阅专栏后可继续查看/也可单篇购买
Ai Agent：面试300问 文章被收录于专栏
《AI Agent 300 问》专为备战 AI Agent 相关岗位的求职者打造，适配校招、社招全场景，覆盖算法研发、产品、解决方案等全岗位。专栏汇总 300 道大厂高频面试真题，全维度覆盖提示工程、智能体规划推理、记忆机制、工具调用、多智能体协作、框架落地、行业应用等核心领域，拆解考点底层逻辑，分享一线实战经验，助你一站式通关高薪面试。
查看17道真题和解析