已验证70% 置信事实精确时间
LLM存在'Instruction Drift'现象：随着对话轮次增加，早期系统提示在模型注意力权重中逐渐衰减
4
来源数
70%
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
Claude Code Hooks: A System-Level Safety Lock for AI Programming
bilibiliAli厂长2026/5/23
相关事实
待验证LLM存在上下文窗口限制，在超长对话中面临注意力稀释问题，早期决策记录会被赋予更低注意力权重80% 相似待验证当前大模型并没有真正的持久化记忆机制，随着对话轮次增加，早期需求描述在注意力机制中的权重会逐渐衰减80% 相似待验证Overly long system instructions in LLMs lead to 'attention decay' on critical rules due to non-uniform attention distribution across the context window.80% 相似待验证LLM对上下文开头和结尾的信息保持较高敏感度，而对中间位置的信息存在'注意力衰减'现象78% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/52118API
curl https://kongchang.com/api/v1/knowledge/claims/52118MCP
get_claim(id=52118)