Unverified50% confidenceFactExact time
研究表明LLM在处理过长、过复杂的指令集时整体遵循率会系统性下降，即指令遗忘现象
1
Sources
50%
Confidence
Long-term
Relevance
7/14/2026
First Seen
Sources
状态机语音Agent实战：Pipecat与Vapi的延迟与准确性权衡
redditr/aiagents7/12/2026
Related Claims
Unverified当LLM上下文窗口中的指令过多时，模型对每条指令的关注度会下降，导致遵循率降低80% similarUnverified随着指令数量增加，LLM的遵循质量会整体下降，开始无差别忽略所有指令而非仅忽略靠后的指令80% similarUnverifiedLLM在长序列生成中因注意力稀释而遗忘之前约束的现象被称为「长上下文遗忘（Lost in the Middle）」，是当前Transformer架构的固有局限74% similarUnverified当前模型指令遵循失败常表现为忽略system prompt约束、在长对话中遗忘早期指令、随机违反格式化输出要求、以及在多步任务中偏离预定流程74% similarUnverified多头自注意力机制突破了RNN/LSTM在长序列处理中因梯度消失导致的遗忘瓶颈，并支持GPU/TPU大规模并行计算74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/503993API
curl https://kongchang.com/api/v1/knowledge/claims/503993MCP
get_claim(id=503993)