_{🧠 图解记忆：能力可能连续增长，评分却会突然跳变；点击图片可查看原图。}

30 秒回答

涌现能力通常指：模型规模或训练计算增加后，某项能力在评测上从接近随机快速提升。它是一个观察结果，不代表存在统一的参数阈值，也不能仅凭模型大小预测。部分“突然出现”还可能来自离散评分指标——底层能力连续改善，但只有跨过答对阈值后分数才跳变。

常见现象

💡 答案要点

能力	如何观察	注意事项
上下文学习	增加示例后任务表现改善	受数据污染、示例格式和模型训练方式影响
复杂推理	多步任务准确率随规模或推理预算上升	不能只看最终答案，应检查过程和稳定性
指令遵循	对未见指令的泛化能力提升	往往也受 SFT、偏好优化和系统提示影响
代码生成	单测通过率提高	需要在固定脚手架、预算和测试集下比较

面试中应强调的边界

• 不要背诵“10B/100B 出现某能力”之类固定阈值；
• 区分模型规模、训练数据、后训练和测试时算力的贡献；
• 检查评测指标是否连续、是否存在污染，以及提升能否迁移到真实任务；
• 工程选型仍应基于自己的评测集，而不是假设更大模型必然具备某项能力。

---