待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/8/20
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）78% 相似待验证上下文腐烂（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）71% 相似待验证RAG系统存在迷失在中间（Lost in the Middle）问题，即上下文较长时模型往往忽略中间部分信息而偏向开头和结尾66% 相似待验证尽管Opus 4.7已有百万级上下文窗口，但上下文腐化（Context Rot）依然是巨大问题62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/776490API
curl https://kongchang.com/api/v1/knowledge/claims/776490MCP
get_claim(id=776490)