Unverified50% confidenceFactExact time
上下文回贯缺失指工具执行后的观测结果（observation）没有回写到对话上下文，导致模型每轮接收相同上下文而重复相同决策
1
Sources
50%
Confidence
Long-term
Relevance
7/20/2026
First Seen
Sources
Related Claims
Unverified智能体的执行具有非确定性，同样的输入可能因模型的随机采样而产生不同输出，因此其恢复机制需要保存完整的执行轨迹和中间推理步骤72% similarUnverified模型的承诺和记忆写入并不改变其底层概率分布，其反思本质上只是生成符合对话预期的文本，而非真正更新行为策略，因此可能重复同样的错误71% similarUnverified同样的模型只改几句提示词，回答效果可能天壤之别，提示词设计本质上是持续测试、不断调整、反复优化的循环71% similarUnverified如果模型只见过正样本，会倾向于对任何输入都强行调用工具，产生幻觉式调用，负样本帮助模型习得何时不该调用的判断边界70% similarUnverified对齐后的模型在处理假设性推理和角色扮演任务时倾向于提前引入免责声明或主动中断对话流，这些行为在基座模型中几乎不存在70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/572318API
curl https://kongchang.com/api/v1/knowledge/claims/572318MCP
get_claim(id=572318)