待验证60% 置信事实时间未知
大语言模型在长文本生成中出现的话题漂移现象在学术上被称为语义漂移（Semantic Drift），根本原因在于自回归生成机制
2
来源数
60%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
用DeepSeek写网文：AI辅助小说创作6步全流程拆解
bilibili人间理之想
涉及实体
相关事实
待验证语义漂移（semantic drift）指即便信息完整传递，不同智能体对同一描述的理解可能产生偏差，术语歧义会随链路延长累积放大78% 相似待验证级联式架构存在缺陷：每个环节引入延迟，中间的文字转换会丢失语调、情绪、语速等副语言信息78% 相似待验证文本风格迁移的工程难点在于改变语气的同时保留原始语义内容，避免过度改写导致意思偏移75% 相似已验证研究表明大语言模型在处理长文本时存在显著的「中间遗忘」（Lost in the Middle）现象，对输入文本开头和结尾的信息记忆较好，但对中间部分的信息关注度明显下降74% 相似待验证历史拼接方式在对话轮次增多时会导致上下文膨胀、关键信息被稀释。74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/17351API
curl https://kongchang.com/api/v1/knowledge/claims/17351MCP
get_claim(id=17351)