待验证50% 置信事实精确时间

研究者将对齐数据在其他语境诱发失准的现象命名为'语境混淆'（context confusion）

1

来源数

50%

置信度

长期有效

时效性

2026/10/1

首次发现

来源

对齐数据也会诱发失准：大模型的"语境混淆"难题

涉及实体

context confusionconcept

相关事实

待验证研究者观察到来自不同领域的查询在微调过程中可能经历相似的表征偏移（representational shifts），导致行为特征被错误跨域激活77% 相似待验证过多无关信息、糟糕的结构或缺失的数据会导致更差的推理和更多幻觉，这种现象被称为'上下文腐烂（Context Rot）'73% 相似待验证当同一份原始数据被多个系统各自生成指标时，会因计算口径不同产生数值差异，排障时造成混淆68% 相似待验证早期大模型在跨源数据研究任务中容易出现遗漏关键来源、数字混淆或推断链断裂的问题，导致智能体不得不反复补充查询67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/964017

API

curl https://kongchang.com/api/v1/knowledge/claims/964017

MCP

get_claim(id=964017)