待验证50% 置信事实精确时间
研究表明LLM在处理过长、过复杂的指令集时整体遵循率会系统性下降，即指令遗忘现象
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
状态机语音Agent实战：Pipecat与Vapi的延迟与准确性权衡
redditr/aiagents2026/7/12
相关事实
待验证当LLM上下文窗口中的指令过多时，模型对每条指令的关注度会下降，导致遵循率降低80% 相似待验证随着指令数量增加，LLM的遵循质量会整体下降，开始无差别忽略所有指令而非仅忽略靠后的指令80% 相似待验证LLM在长序列生成中因注意力稀释而遗忘之前约束的现象被称为「长上下文遗忘（Lost in the Middle）」，是当前Transformer架构的固有局限74% 相似待验证当前模型指令遵循失败常表现为忽略system prompt约束、在长对话中遗忘早期指令、随机违反格式化输出要求、以及在多步任务中偏离预定流程74% 相似待验证多头自注意力机制突破了RNN/LSTM在长序列处理中因梯度消失导致的遗忘瓶颈，并支持GPU/TPU大规模并行计算74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/503993API
curl https://kongchang.com/api/v1/knowledge/claims/503993MCP
get_claim(id=503993)