待验证50% 置信概念精确时间
「上下文腐烂」（context rot）指许多模型虽标称1M窗口，但在序列中段或极长输入下召回率明显下降的现象。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
Meta发布Muse Spark开源权重：816B参数、1M上下文与部署指南
rss2026/10/16
涉及实体
相关事实
待验证Context Rot（上下文腐烂）指随着对话变长、输入 Token 增多，模型准确度会逐步下降，该现象在 Claude、OpenAI、Gemini 等主流模型上普遍存在80% 相似待验证尽管上下文窗口很大，上下文腐化（Context Rot）依然是巨大问题，模型对上下文中不同位置信息的注意力分布不均匀（Lost in the Middle效应）74% 相似待验证上下文腐烂（Context Rot）包含两种不同的故障模式：Distraction（注意力稀释）和Poisoning（因果链污染）74% 相似已验证上下文腐烂（Context Rot）指随对话轮次增加，无关信息积累、注意力预算被低价值内容占满，导致推理质量持续下降71% 相似待验证尽管Opus 4.7已有百万级上下文窗口，但上下文腐化（Context Rot）依然是巨大问题65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1044064API
curl https://kongchang.com/api/v1/knowledge/claims/1044064MCP
get_claim(id=1044064)