已验证65% 置信事实时间未知

无关信息占据上下文空间（上下文污染）会显著降低模型在核心任务上的表现

3

来源数

65%

置信度

长期有效

时效性

2026/6/2

首次发现

来源

Claude Code Hooks机制详解：规则失效时的安全网

bilibili双笙子佯谬

涉及实体

上下文污染concept 大语言模型concept

相关事实

已验证上下文污染指无关或有害信息占据模型有限的上下文窗口空间，导致模型注意力被分散、推理质量下降80% 相似待验证任务范围更窄的子智能体所需的上下文窗口更小，直接降低了推理成本并减少了上下文污染导致的错误率79% 相似待验证微调通过向模型大量注入领域专业知识，能显著降低特定场景下的幻觉率75% 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74% 相似待验证过多的上下文信息会成为噪声，降低AI代理的表现质量，保持上下文高度相关比追求数量更重要74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/38020

API

curl https://kongchang.com/api/v1/knowledge/claims/38020

MCP

get_claim(id=38020)