什么是大模型的「涌现能力」（Emergent Abilities）？请举例说明。

涌现能力指模型在规模达到临界点时「突然」表现出的、小模型不具备的能力，而非在更小规模时能从性能曲线上预测

常见涌现能力：

• 上下文学习(ICL)：给定几个示例（Few-shot Prompt），模型无需参数更新即可在新任务上表现出色
• 思维链(CoT)：在Prompt中加入「Let's think step by step」，模型自动分解推理步骤，大幅提升数学和逻辑推理准确率
• 指令跟随：模型经过Instruction Tuning后能理解并执行复杂的自然语言指令

学术争议：

• 2023年一篇研究（Schaeffer等）指出涌现可能是评估指标的非线性导致的「假象」——如果用连续指标（如Perplexity的连续变化），「涌现」可能只是平滑的Scaling曲线的陡峭段
• 但实践中，超过一定规模后模型确实表现出质变行为，这仍是重要研究方向