已验证65% 置信事实精确时间
Lost in the Middle效应源于Transformer注意力机制中间位置token获得较低注意力权重的架构固有偏差，目前没有方案能在所有场景下完全消除
3
来源数
65%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
60行Python揭秘Claude Code Harness原理：AI编程工具性能差异的核心
bilibili7k的每日搬运2026/7/7
相关事实
待验证由于Transformer自注意力机制存在位置偏向性，早期输入内容对后续生成具有更强锚定作用，这是系统提示上下文锚定效应的底层原因76% 相似待验证Transformer架构的注意力机制中，序列长度增加时早期token的注意力得分在softmax归一化后被后续token稀释，形成注意力沉没效应75% 相似待验证Transformer的因果注意力掩码通过将注意力矩阵上三角部分置为负无穷，确保每个位置的预测只依赖历史信息74% 相似待验证Transformer注意力层存在位置偏置，模型对序列起始位置(primacy bias)和末尾位置(recency bias)的关注天然高于中间段落73% 相似待验证位置编码（Positional Encoding）的引入弥补了自注意力机制天然缺乏序列顺序感知的缺陷，因为注意力计算本身是置换不变的71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/465375API
curl https://kongchang.com/api/v1/knowledge/claims/465375MCP
get_claim(id=465375)