百万上下文不等于更强
FinanceYF5 · x · 2026-07-14
帖子引用了一位 Prime Intellect 工程师的说法：大家都在追求百万 token 上下文，但真正的瓶颈可能不是“装不下”，而是“推理不动”。
文中给出的例子是：GPT-5.5 在 256k 上下文时检索准确率约 80%，把上下文拉到 100 万 后直接掉到 36%。这被描述为一种典型的 context rot：上下文越长，模型越难稳定地找回关键信息。
帖子进一步给出的结论是：
- 单纯扩大上下文，可能救不了 agent
- 更现实的方向是 持续学习、训练自己的轨迹、以及在 真实环境 中学习和反馈
所属事件:工程师指出百万上下文不等于更强检索(2 条相关)→
「模型」频道最新
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11