待验证50% 置信事实精确时间
大语言模型即使支持200K Token上下文，在处理大型代码库时也存在Lost in the Middle现象，即对上下文中较早信息关注度递减
1
来源数
50%
置信度
长期有效
时效性
2026/8/23
首次发现
来源
涉及实体
相关事实
待验证大语言模型本质上是无状态（stateless）的，代码仓库作为外部持久化存储弥补了这一缺陷71% 相似已验证大型语言模型在处理代码时受到上下文窗口大小的限制，即使最先进的模型一次也只能'看到'有限数量的代码71% 相似待验证当前主流大语言模型在代码理解上本质是基于海量代码语料的统计模式匹配，缺乏对程序运行时状态的真正建模能力70% 相似待验证大语言模型通过将训练语料压缩编码到权重矩阵中形成参数化记忆，是分布式而非精确存储，这是产生品牌信息幻觉的原因之一70% 相似待验证实验数据显示，语法约束解码使小型语言模型生成Bash代码的语法正确率大幅提高，引号不匹配和结构不完整等错误几乎被完全消除70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/790831API
curl https://kongchang.com/api/v1/knowledge/claims/790831MCP
get_claim(id=790831)