热点事件持续更新
研究揭示大模型长文本检索失效源于注意力竞争
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
2026年11月4日，arXiv发布的一项自然语言处理研究指出，大模型在长输入检索中的性能衰减主要源于语义竞争，而非上下文长度本身。该研究在5款参数量为0.5B至3B的开源模型上进行了测试。结果显示，在中性填充内容下，即使上下文达到32K tokens，模型的检索准确率仍维持在0.97至1.00；然而一旦引入竞争语句，准确率便暴跌至0.16至0.33。进一步分析发现，留存在目标证据上的注意力权重可解释高达58%的损失方差。目前，作者已开源相关的探测工具以及涵盖12.6万次试验的测量数据。
AI 根据报道生成 · 9 小时前更新
最新进展11月4日 13:00
研究证实语义竞争致长文本检索性能骤降，已开源探测工具与试验数据。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 自然语言处理论文揭示长文本检索失效源于注意力竞争而非输入长度
研究表明大模型在长输入检索中的性能衰减主要源于语义竞争而非上下文长度本身。在 5 款 0.5B 至 3B 开源模型测试中，中性填充内容在 32K tokens 下准确率仍维持在 0.97 至 1.00，而引入竞争语句后准确率暴跌至 0.16 至 0.33。留存目标证据上的注意力权重可解释高达 58% 的损失方差，作者已开源探测工具与 12.6 万次试验测量数据。
本事件热度走势
当前热度 8·可比范围峰值 10（11月4日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。