已验证65% 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
3
来源数
65%
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% 相似待验证过多无关信息、糟糕的结构或缺失的数据会导致更差的推理和更多幻觉，这种现象被称为'上下文腐烂（Context Rot）'80% 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% 相似待验证RAG擅长语义检索但难以维护结构化的知识关系，摘要压缩则容易丢失细节且难以处理信息的更新与冲突67% 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)