涌现能力是什么？小模型不会、大模型突然会

一个反直觉的现象：大到一定程度才“会”

很多技能是循序渐进的：模型大一点，翻译好一点、算数准一点，符合直觉。但有一类能力不是这样——小模型完全没有，中等模型还是没有，可当参数规模跨过某个门槛，它突然就“会”了。比如某种复杂推理、某种多步规划，小模型连影子都没有，大模型却能顺手做出来。这种“之前不会、之后突然会”的现象，被叫做涌现能力。

像人浪，也像水烧到一百度

两个比喻好懂。体育场里少数人站起来只是零散起立；当足够多人同时参与，全场人浪才真正成形——少几个人浪就散了，这叫“集体到了规模才出现”。另一个比喻是烧水：从二十度到九十九度，一直只是“热水”，看不出质变；到一百度突然沸腾。涌现就是这种“凑够规模才解锁”的突变，不是每条能力都平滑上涨。

涌现不是魔法，是能力被“解锁”

说“突然会了”容易让人以为模型觉醒了，其实没那么神秘。更合理的解释是：很多任务需要同时调动若干项基础能力，规模小的时候这些能力各自都弱，拼不到一起；规模大了，各项基础都够强、又能协同，原本不可能的组合就变得可能。好比一个人力气、平衡、协调都差一点时走不了钢丝，三项同时达标，钢丝就能走——不是新长出了一种能力，是旧能力终于够用了。

哪些能力是涌现出来的

研究者观察到，一些需要多步链条的能力更容易涌现：比如根据一段杂乱信息做推理、把一种语言的说法绕到另一种语言、理解隐含在字里行间的意图。这些不是某条规则能直接写出来的，更像“规模把潜在可能性兑现了”。也正因如此，大模型常常带来“意外之喜”——一些设计者没 explicit 教、却自然长出来的本事。

涌现给了我们什么提醒

一是别用“小模型表现”线性推测大模型。小模型做不好的事，大模型未必做不好，简单外推会误判。二是规模有它的杠杆效应：在关键门槛前加一点资源，可能换来能力阶跃，而不是均匀改善。这对理解“为什么大家拼命堆参数”很有帮助——他们赌的正是下一个涌现节点。

别把涌现神化：它也有边界

涌现不等于“越大越聪明”的通行证。有些事规模再大也不涌现，只是更流畅；也有研究指出，部分“涌现”只是评测方式造成的假象——换种衡量标准，曲线可能一直平滑。更稳妥的态度是：把涌现当成值得关注的现象，而不是神话。它提醒我们 scale 有奇效，但也提醒我们，能力边界要实测，不能想当然。