实体 · 技术
长上下文
让模型在单次请求中处理更长输入序列的能力与工程方法。
- 报道数量
- 已报道 4 篇
- 首次报道
- 首次报道
- 最近更新
- 最近更新
最新报道
人工智能
给 Agent 加了记忆，它反而变笨了
记忆几乎总是被当作纯增益功能加上去的，但 2026 年的多份公开测量显示：加了记忆的 Agent 在不少任务上比不加更差。本文拆解稀释、误差累积、陈旧状态三种退化机制，对比 compaction、结构化笔记、子 Agent 隔离三种手段的取舍，并给出写入侧的过滤与遗忘策略和三组可自测的对照实验。
AI 使用方法
为什么 AI 总在长任务里跑偏：多步任务的失败点在哪
长任务失败往往出在重复执行的稳定性：模型需要把同一件简单事连续做几十次，错误会在过程中累积。本文用 ICLR 2026、NeurIPS 2025 的一手实验拆出三个具体失败点：错误的自我强化、多轮目标漂移、验收环节缺位，并给出按步数预算切分任务、回滚清除错误历史、用 pass^k 验收等六个可落地做法。
AI 使用方法
上下文越长，答案越不准：资料该喂到什么程度
模型的可用上下文远短于标称上下文，退化也会在窗口用满之前逐步出现。五份独立测量揭示了长上下文失效的机制；成本、延迟和资料筛选共同决定一次调用该放多少内容。
人工智能
从 128K 到 1M：长文本工作流省下了什么，又增加了什么
把长上下文放回合同审阅、跨版本对照和技术决策这些具体任务中，比较 128K 与 1M 各自解决什么问题，以及检索、引用和版本控制为何仍不可缺。