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
- Steve Hsu 评 OpenAI Navier-Stokes 论文:技术水准或超人类所能构想 — LucaAmb · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27
- EMNLP 论文：让 LLM 换个问法，「42」变「3」但蝴蝶仍是帝王蝶 — radamihalcea · 2026-10-27