待验证50% 置信事实时间未知

大海捞针测试将无关的目标句随机插入长文本不同位置，通过询问模型绘制「位置×上下文长度」的二维热力图，呈现检索成功率

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

上下文退化基准测试：主流大模型的长文本短板

githubkyleaoconnell22

涉及实体

Needle in a Haystackconcept

相关事实

待验证Needle-in-a-Haystack测试将关键信息随机插入超长文档不同位置，测试模型能否准确找到，是检验长上下文能力的标准压力测试77% 相似待验证理想的基准测试应固定模型、工具和任务分布，只让轨迹长度作为单一变量变化68% 相似待验证跑分排名不等于所有场景的实际表现，具体任务仍需具体测试68% 相似待验证实验测试横跨六个异构基准（heterogeneous benchmarks）67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/917853

API

curl https://kongchang.com/api/v1/knowledge/claims/917853

MCP

get_claim(id=917853)