这篇2018年论文系统梳理了软件稳定性研究，定义其为抵抗修改和错误的能力，强调其在软件工程中的重要性，并提供衡量指标，为未来研究指明方向，是了解该领域的良好起点。

本文介绍了Freewheel如何通过计算实例选型来控制与优化相关费用，包括短期和长期优化。文章提出了选型的思路、衡量指标和压测方案，并介绍了自动化系统和横评系统的构建。最后，文章提出了实施更换实例类型的准备工作和建议。

研究人员发现，大规模语言模型的涌现能力是由于衡量指标的选择，而非模型行为的根本性变化。非线性或不连续的衡量标准会导致明显的涌现能力，而线性或连续的度量标准会导致模型性能的平滑、连续、可预测的变化。涌现能力的消失与指标选择相关，不是大规模模型的基本属性。该论文于去年4月底发布，并获得最佳论文奖。