待验证50% 置信事实精确时间
LongMemEval 主要测试模型在超长对话历史中定位并正确使用特定信息的能力，涵盖单跳与多跳问答场景
1
来源数
50%
置信度
长期有效
时效性
2026/9/24
首次发现
来源
涉及实体
相关事实
待验证在推理场景中处理长上下文、多轮对话和复杂推理链时，模型需要频繁读写大量中间状态（如KV Cache），对内存容量和带宽提出极高要求73% 相似待验证大语言模型的推理能力与其输出的token序列长度存在正相关关系，学术界称之为「计算深度假说」71% 相似待验证交互式编排策略（如多模型辩论、迭代式验证）要求模型维持多轮对话上下文，对上下文窗口长度和计算量要求较高，恰是SLM的两个主要瓶颈71% 相似待验证基于大语言模型的智能体在执行复杂任务时缺乏持久的确定性状态，需要通过多轮对话来澄清目标、补齐上下文、验证中间结果70% 相似已验证大型语言模型处理长上下文时，注意力机制的计算复杂度与序列长度的平方成正比68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/947378API
curl https://kongchang.com/api/v1/knowledge/claims/947378MCP
get_claim(id=947378)