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
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11