大模型知道什么还不知道什么，有哪些能力是大模型才能习得而小模型无法学到的? 2022年Google发表文章探讨大模型的涌现现象，点明很多能力是模型规模增大以后神奇出现的 [1]。那么大模型里究竟还藏着什么样的惊喜，这个问题尚待我们挖掘。

随着模型规模不断增大（Scaling）的过程，如何掌握训练大模型的规律 [2]，其中包含众多问题，例如数据如何准备和组合，如何寻找最优训练配置，如何预知下游任务的性能，等等 [3]。这些是 How 的问题。

这方面已经有很多非常重要的研究理论[4,5,6]，包括过参数化等理论，但终极理论框架的面纱仍然没有被揭开。

面向 What、How 和 Why 等方面的问题，大模型有非常多值得探索的理论问题，等待大家的探索。