涌现能力

涌现能力（Emergent Abilities）是大语言模型（LLM）与前代模型最本质的区别。这种能力在小型模型中几乎不存在，但当模型规模（参数）达到一定阈值（通常认为是100亿参数以上）时会突然爆发。这种现象在科学上类似于物理学的"相变"。

核心表现

LLM展现出的三大核心涌现能力包括：

• [[上下文学习]]：只要在对话中给模型几个例子（Prompt），它就能立刻学会一种从未见过的新任务，而无需修改任何参数。这是一个革命性的变化。
• [[指令遵循]]：经过特定的对齐训练，模型可以听懂人类的自然语言指令。哪怕是一个以前从未训练过的复杂要求，它也能通过理解语义来执行。
• [[思维链]]：对于逻辑题或数学题，只要在Prompt中加上一句"让我们一步步思考"，模型就能通过生成中间推理步骤，显著提升解决难题的成功率。

意义

涌现能力解释了"大即是智能"的核心原因，是理解LLM的起点。它使得LLM从特定任务的辅助工具进化为能够解决各种现实问题的"通用任务解决者"。