待验证50% 置信注意事项精确时间

裁剪策略在需要引用早期关键信息的场景会丢失重要上下文

1

来源数

50%

置信度

长期有效

时效性

2026/9/6

首次发现

来源

拆解LLM的"记忆"机制：本质只是上下文投喂

涉及实体

相关事实

待验证当关键信息被放置在长文本的中间位置时，模型的检索和推理准确率会显著下降，而放在开头或结尾的信息则能被较好地利用74% 相似部分验证学术界将大模型倾向于关注输入文本开头和结尾、忽略中间部分关键信息的现象称为'Lost in the Middle'问题74% 相似待验证简单的滑动窗口截断只保留最近N轮对话会导致Agent丢失早期关键信息71% 相似已验证当对话历史超出上下文窗口限制时，平台会采用截断、摘要压缩等工程手段来裁剪上下文，这个过程不可避免地丢失细节信息70% 相似待验证低质量的知识库会导致幻觉式引用，即模型看似使用知识库内容实则引用了错误或无关片段69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/863332

API

curl https://kongchang.com/api/v1/knowledge/claims/863332

MCP

get_claim(id=863332)