Unverified50% confidenceFactExact time
在长上下文中，模型更容易受到最近几轮对话的影响，而非最初设定的系统提示，即存在指令遵循衰减现象
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
AI编程Skill机制详解：让AI按专业SOP流程高效工作
bilibili现场敲代码6/4/2026
Related Claims
Unverified更小的模型在长推理链任务上的表现往往指数级下降而非线性退化78% similarUnverified随着多轮对话轮次增加，上下文窗口被前序对话占据，提示词中引用指令的信号强度相对下降，引用质量可能出现系统性退化78% similarUnverified过于冗长、矛盾或模糊的系统提示词会导致模型注意力分散，产生过度思考或指令遵循失败，精简 agents.md 可提升指令遵循的确定性78% similarUnverified模型或提示词更新可能提升对话质量的同时让日期解析变得更差，因此需要跨版本行为对比来防止回归被引入生产环境77% similarVerifiedLLM存在'Instruction Drift'现象：随着对话轮次增加，早期系统提示在模型注意力权重中逐渐衰减76% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/53560API
curl https://kongchang.com/api/v1/knowledge/claims/53560MCP
get_claim(id=53560)