已过期50% 置信事实精确时间
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
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/9/30(已过期)
来源
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2026/6/4
相关事实
待验证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% 相似待验证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% 相似待验证过于冗长、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% 相似待验证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% 相似已验证LLM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% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/53560API
curl https://kongchang.com/api/v1/knowledge/claims/53560MCP
get_claim(id=53560)