待验证50% 置信事实时间未知

上下文越长，模型推理速度越慢，即存在上下文长度与推理性能之间的权衡

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

Is Context Engineering the Core of Agent Development? A Deep Dive into a High-Frequency Interview Question

bilibiliArxiv论文

相关事实

待验证更小的模型在长推理链任务上的表现往往指数级下降而非线性退化82% 相似待验证更大的模型往往更具Token效率，能用更少的交互轮次和更精炼的推理完成任务78% 相似待验证只有在LLM推理比embedding加向量检索慢数十倍以上时，语义缓存才能同时实现降本与提速78% 相似待验证随着大模型推理能力增强，单次调用消耗的token显著攀升，在固定用量限制下形成「更强模型」与「更快触及上限」的悖论77% 相似待验证当模型规模跨越某些阈值后会涌现出此前不具备的能力（涌现能力），如多步逻辑推理和复杂数学计算76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/60269

API

curl https://kongchang.com/api/v1/knowledge/claims/60269

MCP

get_claim(id=60269)