待验证50% 置信事实精确时间
Anthropic工程师将上下文窗口内token越多、模型回忆能力越差的现象称为'context rot'。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
Claude如何调用从未见过的工具？MCP与AI Agent原理解析
youtubeSystem Design Lab by VG2026/10/22
涉及实体
相关事实
待验证尽管上下文窗口很大，上下文腐化（Context Rot）依然是巨大问题，模型对上下文中不同位置信息的注意力分布不均匀（Lost in the Middle效应）79% 相似待验证「上下文腐烂」（context rot）指许多模型虽标称1M窗口，但在序列中段或极长输入下召回率明显下降的现象。73% 相似待验证上下文腐烂（Context Rot）包含两种不同的故障模式：Distraction（注意力稀释）和Poisoning（因果链污染）73% 相似待验证Context Rot（上下文腐烂）指随着对话变长、输入 Token 增多，模型准确度会逐步下降，该现象在 Claude、OpenAI、Gemini 等主流模型上普遍存在73% 相似待验证业界用「上下文腐化」（Context Rot）描述随着输入变长，模型对中间位置信息的检索与推理准确率下降的现象。72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1085877API
curl https://kongchang.com/api/v1/knowledge/claims/1085877MCP
get_claim(id=1085877)