近因偏差

近因偏差是LLM注意力机制的一种系统性倾向：在长上下文中，模型对末尾内容的注意力权重显著高于中间部分，攻击者常利用这一点在用户输入末尾附加“忽略之前所有规则”等指令。

在图神经网络的类别增量图学习场景下，新类别陆续到来时模型会出现灾难性遗忘，且预测结果常被最近学到的类别主导，产生近因偏差。

可学习路由器在新数据上持续微调会使路由偏向最近的组件，产生路由级近因偏差。