Partially Verified75% confidenceFactExact time
2023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%
5
Sources
75%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
Planning with Files：用三个文件解决AI编程的「失忆」难题
bilibiliCharaplay6/7/2026
Related Claims
Unverified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84% similarUnverified斯坦福大学2023年研究表明，即便是当时最先进的模型，在处理超过32K Token的上下文时，对中间段落的信息提取准确率会下降30%至50%78% similarUnverifiedKwan 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72% similarUnverified2023年斯坦福大学研究实验证明，当关键信息被放置于输入文档中间位置时，GPT-4的正确召回率相比首尾位置下降约20-30%70% similarUnverified研究表明，当上下文超过一定长度后，模型对中间部分内容的回忆准确率可能下降到50%以下70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/46529API
curl https://kongchang.com/api/v1/knowledge/claims/46529MCP
get_claim(id=46529)