长上下文模型仍会复制提示词，白白消耗推理 token
eyishazyer · x · 2026-07-23
这条帖子转述了一篇论文的核心发现：长上下文并没有自动解决“找对文本”这个问题。即便是很强的推理模型，也会在思考时把输入里的大段内容照搬进自己的推理链，导致 token 预算被悄悄吃掉、准确率下降。
关键信息
- 过去大家以为：只要模型能处理超长上下文，检索/引用正确文本的问题就基本结束了。
- 论文指出：事实并非如此，模型仍会出现“懒惰式复制”行为。
- 输入越长，这种复制倾向越明显。
- 后果是：推理更耗 token，表现反而变差。
这条结论的含义
作者把未来方向概括成一句话：不是更长的上下文，而是更聪明的上下文。也就是，关键不只是让模型吃得下更多文本，而是要让它更有效地挑选、压缩和利用真正相关的信息。
所属事件:研究揭示长上下文模型存在复制冗余缺陷(2 条相关)→
「研究」频道最新
- 剑桥等机构论文揭露图软提示的 token collapse 病态行为 — Sapienza · 2026-10-27
- Mathathon 2.0 启动：与陶哲轩 SAIR 合作，团队获 150 万美元算力 — _sathvikr · 2026-10-27
- 推友提出「甜课程」真实存在：两类 ML 问题应分而治之 — mike64_t · 2026-10-27
- PixGR：像素空间生成式解码加速前馈 3D 高斯重建 — kwangmoo_yi · 2026-10-27
- UniAction 统一动作条件框架:单一世界模型驱动多种动作类型 — ZeYanjie · 2026-10-27
- Infini-AI Lab 开源 Hermit:让 agent 从经验中进化出好习惯 — BeidiChen · 2026-10-27