待验证75% 置信事实时间未知

大语言模型在长文本生成中出现的话题漂移现象在学术上被称为语义漂移（Semantic Drift），根本原因在于自回归生成机制

1

来源数

75%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

用DeepSeek写网文：AI辅助小说创作6步全流程拆解

bilibili人间理之想

涉及实体

Semantic Driftconcept 自回归生成concept

相关事实

待验证大语言模型存在「指令漂移」（instruction drift）现象，随着对话轮次增加和上下文窗口被大量代码填充，模型对早期指令的遵循概率会逐步下降79% 相似待验证级联式架构存在缺陷：每个环节引入延迟，中间的文字转换会丢失语调、情绪、语速等副语言信息78% 相似已验证研究表明大语言模型在处理长文本时存在显著的「中间遗忘」（Lost in the Middle）现象，对输入文本开头和结尾的信息记忆较好，但对中间部分的信息关注度明显下降74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/17351

API

curl https://kongchang.com/api/v1/knowledge/claims/17351

MCP

get_claim(id=17351)