UC 伯克利提出预测模型涌现能力新方法

UC 伯克利研究团队提出了一种新方法，通过现有模型的检查点预测未来模型的涌现能力。研究团队拟合了一个参数函数——涌现定律，用于模拟涌现点随数据量的变化。通过四个标准 NLP 基准测试，该方法能够准确预测涌现点，最多可提前 4 倍 FLOP。研究还展示了该方法在实际案例中的应用价值，如低成本评估预训练数据质量和预测更复杂的能力。
来源：https://mp.weixin.qq.com/s/RBc5aFRLNeJBbS5-RPPKRw