待验证80% 置信事实精确时间

随着对话轮次增加，上下文窗口中早期关键约束信息权重被稀释（注意力漂移），导致AI输出质量逐渐下降

1

来源数

80%

置信度

长期有效

时效性

2026/5/28

首次发现

来源

Harness Engineering：从提示词到驾驭工程的AI编程实战指南

bilibili图灵诸葛讲Java2026/5/28

涉及实体

注意力漂移concept

相关事实

待验证当前大模型并没有真正的持久化记忆机制，随着对话轮次增加，早期需求描述在注意力机制中的权重会逐渐衰减77% 相似待验证在多轮对话中，冗余输出会占据上下文窗口空间，导致关键信息被挤出窗口（上下文截断问题）77% 相似已验证LLM存在'Instruction Drift'现象：随着对话轮次增加，早期系统提示在模型注意力权重中逐渐衰减77% 相似待验证LLM存在上下文窗口限制，在超长对话中面临注意力稀释问题，早期决策记录会被赋予更低注意力权重77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/2027

API

curl https://kongchang.com/api/v1/knowledge/claims/2027

MCP

get_claim(id=2027)