待验证50% 置信事实精确时间

对话式理解依赖大语言模型的上下文记忆与多轮推理能力，LLM会将学生此前提出的问题、追问和澄清纳入上下文窗口，动态调整后续回答的内容与难度。

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

StudyMate AI：一站式AI学习助手深度解析

rss2026/10/16

涉及实体

大语言模型（LLM）concept

相关事实

待验证每次大语言模型对话由系统提示、历史对话和用户输入三部分共同构成模型的输入上下文77% 相似待验证构建数据集时应保留前几轮对话作为输入而非孤立单句，以便模型学习依赖上下文的行为模式（如单词短消息、话题跳转）76% 相似待验证该研究将LLM后编辑从推理时的提示工程问题转化为监督学习问题，用oracle信息指导模型学习何时选择、何时重写。76% 相似待验证自适应访谈与固定问卷的关键区别在于后续问题基于前一个答案的内容动态生成，依赖大语言模型的上下文理解能力76% 相似待验证交互式回答中的选项是由大语言模型根据当前对话上下文实时动态生成的，而非人工预先定义。75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1043877

API

curl https://kongchang.com/api/v1/knowledge/claims/1043877

MCP

get_claim(id=1043877)