Unverified75% confidenceFactTime unknown
Kwan Ma团队2025年7月发布的测评报告显示，随着输入Token数量增加，几乎所有主流模型在简单任务上的表现都会下降
1
Sources
75%
Confidence
Medium-term (~90 days)
Relevance
6/1/2026
First Seen
Valid until: 8/30/2026
Sources
AI Agent模型分层路由策略：Token成本、幻觉应对与选型实战
bilibili前端小卒
Related Entities
Related Claims
Partially Verified2023年斯坦福大学Nelson Liu等人的研究发现，当关键信息被放置在长上下文的中间位置时，模型性能可下降超过20%72% similarUnverified大模型的性能提升已经明显放缓，最近新版本的评分甚至不一定超越之前的模型，能力基本已定型65% similarUnverified研究表明，即使在 GSM8K 或 MATH 数据集上接近满分的模型，面对稍作变形或需要跨领域组合的问题时性能下降可达30-50个百分点64% similarUnverified斯坦福大学2023年发布的Lost in the Middle研究（Liu et al.）显示，当关键信息位于上下文中间段时，模型检索准确率相比头部和尾部下降约20-30个百分点，且在上下文超过32K token时尤为显著64% similarUnverified研究表明在超过8-10轮对话后，模型对初始系统提示中规则的遵循率可下降20%-40%63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/27302API
curl https://kongchang.com/api/v1/knowledge/claims/27302MCP
get_claim(id=27302)