待验证50% 置信事实精确时间
人类工作记忆的容量约为7±2个信息块（Miller's Law），当系统复杂度超过这个阈值时，纯文本代码的可理解性急剧下降
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
PySpur：开源可视化AI Agent工作流开发平台详解
githubPySpur-Dev2026/5/25
相关事实
待验证即便是支持128K上下文的模型，在文档长度超过32K时，中段信息的检索准确率往往出现明显下滑68% 相似待验证即使支持128K或更长上下文的大语言模型，在一次性注入所有能力指令时也会出现注意力稀释（Attention Dilution）问题，导致特定任务执行质量下降67% 相似待验证量化带来的性能下降在数学推理、代码生成和精确事实回忆任务上最明显，而对话、摘要和创意写作相对鲁棒67% 相似待验证在推理阶段内存带宽往往比纯算力更早成为瓶颈，注意力机制需在每步生成时读取全部KV缓存，上下文长度增大时内存读写开销呈平方级增长66% 相似已验证认知负荷理论指出人类工作记忆容量有限，过长的课程会导致学习者形成假性进度65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/49352API
curl https://kongchang.com/api/v1/knowledge/claims/49352MCP
get_claim(id=49352)