根据@godofprompt报道，DeepMind研究团队发现神经网络在经历数千轮训练后，可能突然在某一轮实现完美泛化，这一现象被称为“Grokking”。Grokking已从训练中的异常表现变为理解AI模型如何学习和泛化的核心理论。这一发现为深度学习模型的训练效率和优化方法带来新机遇，有助于降低运算成本并加快AI开发进程。来源：@godofprompt（https://x.com/godofprompt/status/2008458571928002948）。

根据推特用户God of Prompt（@godofprompt）报道，2022年OpenAI研究人员在训练AI模型处理简单数学任务（如模加法和置换群）时，意外发现了“grokking”现象。起初，标准训练方法导致模型快速过拟合且泛化能力差，但当训练周期远超通常收敛点（超过10,000个epoch）后，模型突然实现了完美泛化。这一结果出乎意料，为AI模型训练策略带来了新的启示，特别是在需要高可靠性和泛化能力的业务场景下，超长训练可能成为提升模型表现的新途径。（来源：@godofprompt 推特，2026年1月6日）

据推特用户@godofprompt报道，DeepMind研究人员发现神经网络在训练数千轮后，突然在某一轮实现完美泛化，这一现象被称为“Grokking”。此发现已成为理解AI模型学习过程的重要理论，有助于企业优化机器学习训练流程，提高资源分配效率。该研究为AI行业提供了新的模型开发策略和商业机会（来源：@godofprompt，https://x.com/godofprompt/status/2008458571928002948）。