待验证50% 置信事实精确时间
业界用「上下文腐化」（Context Rot）描述随着输入变长，模型对中间位置信息的检索与推理准确率下降的现象。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
AI越聊越笨？Claude Code与Cursor的上下文管理解法
bilibiliblackstone_992026/10/14
涉及实体
相关事实
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80% 相似待验证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79% 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）78% 相似待验证「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。77% 相似待验证过多无关信息、糟糕的结构或缺失的数据会导致更差的推理和更多幻觉，这种现象被称为'上下文腐烂（Context Rot）'73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1056631API
curl https://kongchang.com/api/v1/knowledge/claims/1056631MCP
get_claim(id=1056631)