待验证75% 置信事实时间未知

当提示词过长时，大模型会出现'注意力爆炸'现象，即输入太长导致有效信息丢失

1

来源数

75%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

AI Agent开发实战：从API调用到多Agent协作的5个进化阶段

bilibili大模型从入门到精通

涉及实体

大模型concept 注意力爆炸concept

相关事实

待验证过于冗长、矛盾或模糊的系统提示词会导致模型注意力分散，产生过度思考或指令遵循失败，精简 agents.md 可提升指令遵循的确定性80% 相似待验证过度膨胀的上下文会稀释模型注意力、抬高推理成本，甚至引入噪声导致幻觉80% 相似已验证即便拥有百万token上下文的模型，在处理大型代码库时也面临注意力稀释问题——上下文过长时模型对早期内容的关注度会显著下降77% 相似待验证在长对话中早期的错误尝试和调试过程会持续占据上下文窗口，造成上下文污染并干扰后续推理准确性76% 相似待验证经过优化的紧凑提示词往往比冗长提示词效果更好，因为冗余信息会分散模型的注意力权重76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/26194

API

curl https://kongchang.com/api/v1/knowledge/claims/26194

MCP

get_claim(id=26194)