更改

Lubana等人将模型的表现绘制为训练迭代次数的函数，由于实验处于一个在线学习 + 恒定步长的训练设定中，该分析等价于研究数据扩展的效果。结果如下图所示，揭示出模型学习动态中存在三个清晰的阶段。

Lubana等人将模型的表现绘制为训练迭代次数的函数，由于实验处于一个在线学习 + 恒定步长的训练设定中，该分析等价于研究数据扩展的效果。结果如下图所示，揭示出模型学习动态中存在三个清晰的阶段。

[[文件:Learning.png|无|缩略图|800x800px|对结构的学习驱动能力的涌现]]

[[文件:Learning.png|无|缩略图|800x800px|对结构的学习驱动能力的涌现：(a)语法和类型检查评估作为迭代或数据的函数；(b)打乱复原的表现；(c)条件生成的表现；(d)学习曲线。损失（Loss）还显示了与结构学习相对应的相边界处的突然变化；(e)描述性/相关性句子的表现。]]