待验证50% 置信事实精确时间
上下文腐烂（Context Rot）指随对话轮次增加，无关信息积累、注意力预算被低价值内容占满，导致推理质量持续下降
1
来源数
50%
置信度
长期有效
时效性
2026/7/23
首次发现
来源
相关事实
待验证尽管上下文窗口很大，上下文腐化（Context Rot）依然是巨大问题，模型对上下文中不同位置信息的注意力分布不均匀（Lost in the Middle效应）83% 相似待验证Context Rot（上下文腐烂）指随着对话变长、输入 Token 增多，模型准确度会逐步下降，该现象在 Claude、OpenAI、Gemini 等主流模型上普遍存在77% 相似待验证上下文腐烂（Context Rot）包含两种不同的故障模式：Distraction（注意力稀释）和Poisoning（因果链污染）76% 相似已验证Memory机制通过对历史对话进行压缩总结，保留关键逻辑和核心事实，解决上下文窗口有限导致长期对话信息丢失的问题65% 相似待验证分块过大会导致检索文本包含过多无关信息稀释上下文焦点，分块过小则可能截断完整语义单元丢失关键上下文65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/599284API
curl https://kongchang.com/api/v1/knowledge/claims/599284MCP
get_claim(id=599284)