🧬 ATOM
能力的阶跃与数据的临界量
Capability Phase Transition via Data Threshold
当系统获得足够规模的高质量数据时，性能会经历非线性跃升。不是线性改进，而是突破某个临界点后，能力从「不可用」跳跃到「可用」。这个转折点的到来取决于：(1) 数据规模与多样性，(2) 学习架构的可扩展性，(3) 反馈循环的效率。
提出者：Scaling Law 理论框架（Kaplan et al., OpenAI），embodied AI 實踐應用 · 2020
相關文章 · 4 篇
从「难以置信」到「可用」：家庭机器人的临界时刻
精细操作成功率从 64% 跃升到 99%，不是改进——是一个隐藏的临界点被触发了。
AI/科技·7 分鐘·●●●●○從人類資料到自我發現：AI 如何靠「自舉」突破天花板
當 AI 停止模仿人類，開始向宇宙問問題時，會發現什麼？
AI/科技·7 分鐘·●●●●○歐洲升溫加速：從臨界點到自我強化
為什麼歐洲變暖速度是全球兩倍？因為冰融了以後，問題不只是更熱，而是加速更熱——這是反馈迴圈啟動的信號。
哲學思想·6 分鐘·●●●●○英特爾先進封裝良率破 90%：從稀缺到豐富的臨界點
當一項技術從『困難』變『容易』，整個產業的權力結構會在一夜間重寫。聯電的機會，就藏在英特爾的成功裡。
AI/科技·6 分鐘·●●●○○